Actualités robotique — page 55

7 520 articles au fil, du plus récent au plus ancien.

33

2701Robotics & Automation News 

Raise Robotics dévoile ses projets de robots de revêtement pour chantiers navals

Raise Robotics a dévoilé son intention de développer des robots d'application de revêtement pour l'industrie de la construction navale. Ces systèmes visent à peindre de grandes surfaces de coques de manière autonome, sans que la machine n'ait à ramper physiquement dessus. L'entreprise conçoit ses robots pour répondre aux certifications requises en atmosphères explosives, en visant notamment la conformité ATEX Zone 2, norme utilisée dans les halls de peinture où s'accumulent des vapeurs de solvants inflammables. Raise Robotics présente le revêtement des coques comme un goulot d'étranglement majeur des chantiers navals. Aucun chiffre de charge utile, de temps de cycle ni de calendrier de déploiement n'a été communiqué à ce stade: il s'agit d'une annonce d'intention, pas d'un produit livré. Le revêtement des coques reste une tâche pénible et dangereuse: travail répétitif sur de vastes surfaces, exposition à des vapeurs toxiques et inflammables, contraintes réglementaires qui ont jusqu'ici limité le recours à l'automatisation classique. En ciblant explicitement la conformité ATEX, Raise Robotics s'attaque à la principale barrière ayant cantonné cette tâche à des opérateurs humains lourdement protégés. Pour les chantiers navals, un robot autonome capable de peindre sans contact direct avec la structure représenterait un gain potentiel sur les délais de production et la sécurité au travail, dans un secteur confronté à une pénurie de main d'oeuvre pour ces postes peu attractifs. Sans essai documenté sur site réel, l'annonce reste toutefois une promesse technologique plus qu'une solution éprouvée. Le communiqué ne détaille ni l'historique ni les financements de Raise Robotics, et ne cite aucun concurrent direct sur ce créneau de niche au sein du marché plus large des robots industriels de revêtement et de sablage. Aucun acteur français ou européen n'apparaît dans cette annonce. La suite attendue porte sur la validation des certifications ATEX Zone 2 et sur d'éventuels essais pilotes en conditions réelles de chantier, étapes nécessaires avant tout déploiement commercial.

Industriel⚡Actu

1 source

39

2702Interesting Engineering 

Vidéo virale : un robot humanoïde manque de se briser en deux lors d'un entraînement pour les Robot Olympics

Une vidéo devenue virale montre un robot humanoïde percutant à pleine vitesse un mur rembourré lors d'un entraînement à Pékin, provoquant des étincelles et pliant sa structure au niveau de la taille avant qu'il ne s'effondre sur la piste. Le modèle exact n'a pas été identifié, mais les images, publiées le 20 août 2026 par le compte @pianhangx, ont dépassé 13 millions de vues. Le robot sprintait sur une piste intérieure et n'est apparemment pas parvenu à freiner à temps avant l'obstacle. L'incident s'est produit en préparation des World Humanoid Robot Games, surnommés les "Robot Olympics", qui débutent le 22 août à Pékin pour cinq jours. Cette deuxième édition réunit environ 2 056 robots issus de 666 équipes venues de 16 pays, contre 26 épreuves et 487 matchs lors de la première édition : le nombre d'équipes progresse de 138% et la participation robotique quadruple. La Chine domine avec 157 entreprises, 641 équipes et 1 975 robots, dont des équipes de 27 universités représentant 30 provinces et régions ; les États-Unis, l'Allemagne, le Japon et le Brésil (avec une équipe de champions de la Robot World Cup) sont aussi engagés. Le programme comprend 30 épreuves compétitives et 21 épreuves scénarisées, avec deux nouveautés : le Dexterous Hand Challenge (assemblage d'outils, pesée de poudre, empilement de blocs, manipulation à la pince) et l'Integrated Five Challenge, combinant manipulation fine, transport d'objets, port de charges lourdes et un sprint de 100 mètres. Les temps limites du 100 m, 400 m et 1500 m ont été resserrés à respectivement 1, 5 et 15 minutes. Au-delà de l'anecdote virale, cet épisode illustre les limites persistantes des humanoïdes en conditions réelles de vitesse et de perception : plusieurs observateurs évoquent une possible confusion du système de vision entre la barrière bleue et le sol, un défaut classique de perception qui n'a rien d'anecdotique pour des machines destinées à évoluer en usine ou en entrepôt. Pour les intégrateurs et décideurs industriels, l'incident rappelle que la course à l'humanoïde reste freinée par des lacunes basiques en planification de mouvement, équilibre et freinage d'urgence, bien avant les enjeux de manipulation fine mis en avant par les nouvelles épreuves. Les compétitions comme celle-ci servent précisément à révéler ces failles avant un déploiement commercial, en générant des données d'échec exploitables par les équipes d'ingénierie plutôt qu'à masquer ces limites derrière des démonstrations scénarisées. L'événement de Pékin s'inscrit dans la montée en puissance rapide de l'écosystème humanoïde chinois, porté par un tissu industriel dense et un soutien étatique affiché, face à des acteurs occidentaux et japonais encore peu représentés en nombre. L'expansion du format, avec des scénarios couvrant hôtellerie, logistique, secours d'urgence, bibliothèques ou recharge de véhicules, ainsi que le durcissement des chronomètres, indique une volonté d'orienter la compétition vers des cas d'usage plus proches du terrain que du simple spectacle athlétique, en amont des cinq jours de compétition qui débutent le 22 août.

Chine/Asie❧Opinion

1 source

32

2703Robotics & Automation News 

Logic Robotics lance une palette autonome pour le transbordement rail-route

Logic Robotics, éditeur de solutions logistiques autonomes pilotées par la donnée, a présenté une nouvelle solution de transloading intelligent destinée aux opérations de transfert rail-route. Le système repose sur le Logic Digital Twin Operating System, qui associe la mobilité autonome du Logic Pallet, un robot de manutention de palettes, à une visualisation en temps réel via jumeau numérique. L'entreprise qualifie ce lancement d'avancée majeure dans l'automatisation logistique multimodale, mais son communiqué ne précise ni date de déploiement, ni prix, ni capacité de charge, ni site pilote identifié. Aucun chiffre de performance, temps de cycle, débit ou degrés de liberté, n'est communiqué à ce stade, ce qui limite la portée vérifiable de l'annonce. Pour l'industrie logistique, le transloading rail-route reste un goulot d'étranglement historique: le transfert manuel de marchandises entre trains et camions dans les terminaux intermodaux mobilise une main-d'œuvre importante et génère des délais coûteux pour opérateurs ferroviaires et transporteurs routiers. Automatiser cette étape avec un robot mobile autonome couplé à un jumeau numérique répond à une attente réelle des intégrateurs et exploitants de terminaux, confrontés à une pénurie de main-d'œuvre sur ces postes. Reste que sans données de terrain ni retour d'exploitation chiffré, l'annonce s'apparente pour l'instant à un lancement produit plutôt qu'à une preuve de déploiement à l'échelle: le passage de la démonstration à l'adoption opérationnelle reste à documenter. Ce lancement s'inscrit dans la vague plus large des robots mobiles autonomes appliqués à la logistique intermodale, un segment où les jumeaux numériques servent de plus en plus à orchestrer en temps réel des flottes hétérogènes sur des sites complexes comme les terminaux ferroviaires. Le marché du transloading automatisé reste néanmoins peu peuplé face aux acteurs établis de la manutention et de l'AMR industriel, et Logic Robotics ne communique, dans cette annonce, ni client nommé ni calendrier commercial précis. Les prochaines étapes à surveiller seront la publication de résultats pilotes chiffrés et l'identification des premiers terminaux ou opérateurs ferroviaires adoptant réellement la solution.

Industriel⚡Actu

1 source

37

2704Pandaily 

La famille Tiangong s'agrandit : le Tiangong Omni de 1,35 mètre obtient la note maximale au travail

Lors de la World Robot Conference, le Beijing Humanoid Robot Innovation Center a dévoilé Tiangong Omni, nouveau membre de sa famille de robots humanoïdes Tiangong. À 1,35 mètre pour 39 kilogrammes, Omni est le plus petit gabarit de la gamme, doté d'un corps aux articulations flexibles sur l'ensemble de la structure. Sur le stand, le robot a exécuté une reptation au sol, coudes et jambes coordonnés, avançant à plat ventre de manière fluide et continue. Un autre modèle de la famille, Tiangong 3.0, a de son côté joué le rôle d'hôte d'accueil dans un contexte automobile, présentant un véhicule aux visiteurs en évoluant seul dans un flux de public dense : planification de trajectoire, évitement de foule, accueil, présentation du modèle et interaction, le tout sans intervention humaine. Ce format réduit illustre un compromis assumé : moins d'allonge et de force brute contre une capacité à se faufiler dans des espaces étroits, irréguliers ou à faible hauteur libre, là où un humanoïde de taille standard peine à se déplacer, voire ne peut pas entrer du tout. Cela ouvre potentiellement la voie à des usages en sauvetage d'urgence dans des décombres ou espaces confinés, et en service à domicile dans des intérieurs non conçus pour des robots de grande taille. La démonstration reste toutefois un exercice de stand, filmé dans des conditions contrôlées, et ne renseigne ni sur l'autonomie de batterie, ni sur la vitesse réelle hors démonstration, ni sur un calendrier de commercialisation. Le cas de Tiangong 3.0 pèse davantage pour l'industrie : l'annonce précise son déploiement à venir dans des concessions automobiles, salons de l'auto, événements, sessions de livestreaming et services aux propriétaires de véhicules, un signe que les humanoïdes chinois commencent à sortir des démonstrations techniques ponctuelles pour occuper des rôles de service générateurs de revenus dans la distribution automobile. Le Beijing Humanoid Robot Innovation Center, aussi connu sous le nom de X-Humanoid, est le laboratoire pékinois à l'origine de la lignée Tiangong, dont une version antérieure avait déjà couru un semi-marathon aux côtés de coureurs humains à Pékin en 2025, un argument de communication mis en avant sur l'endurance et la stabilité de la marche bipède du robot. La famille Tiangong évolue dans une compétition chinoise déjà dense face à Unitree, Fourier Intelligence, AgiBot ou UBTech, et plus largement face à des humanoïdes occidentaux comme Optimus de Tesla, les modèles de Figure ou Apollo d'Apptronik, dans une course où les acteurs chinois multiplient les annonces de volumes de déploiement en marge des grands salons professionnels. Aucun calendrier de livraison en volume ni prix n'a été communiqué pour Omni, et l'extension de Tiangong 3.0 au-delà des premiers déploiements annoncés dans l'automobile reste, à ce stade, à confirmer.

Chine/Asie⚡Actu

1 source

43

2705TechNode 

La Chine dispose de plus de 70 terrains d'entraînement à l'IA incarnée opérationnels, selon un rapport

Plus de 70 sites d'entraînement pour l'IA incarnée (embodied AI) étaient opérationnels en Chine à fin juin 2026, selon un rapport de la China Academy of Information and Communications Technology (CAICT), centre de recherche rattaché au ministère chinois de l'Industrie et des Technologies de l'information. 46 installations supplémentaires sont en construction ou en planification, portant le total à plus de 100 sites répartis dans plus de la moitié des provinces et régions administratives chinoises. Ces installations servent à collecter des données en conditions réelles, entraîner des modèles et tester des systèmes robotiques avant déploiement. L'industrie manufacturière domine largement les usages recensés, présente dans 86% des sites, concentrés dans trois zones: le delta du Yangtze, la région Pékin-Tianjin-Hebei et le delta de la rivière des Perles. Ce volume traduit l'ampleur de l'investissement public chinois dans les infrastructures physiques d'entraînement robotique, à un moment où des acteurs occidentaux comme Figure AI, Tesla avec Optimus, Physical Intelligence avec Pi-0 ou NVIDIA avec GR00T s'appuient surtout sur la simulation et des flottes pilotes restreintes pour générer leurs données. Pour les intégrateurs et décideurs industriels, cette mutualisation étatique vise à lever le principal goulot d'étranglement cité pour faire progresser les modèles vision-langage-action (VLA): le manque de données réelles à grande échelle. Le rapport ne précise toutefois ni le taux d'utilisation effectif de ces sites ni les volumes de données réellement produits, ce qui en fait avant tout un indicateur de capacité installée plutôt qu'un résultat vérifié. Cette annonce s'inscrit dans la politique industrielle chinoise de soutien à la robotique humanoïde, engagée depuis 2023 face à la concurrence américaine et, plus marginalement, européenne, où des acteurs comme Wandercraft, Pollen Robotics ou Enchanted Tools occupent un créneau différent, plus axé produit que sur les infrastructures d'entraînement. La CAICT publie régulièrement des rapports de référence sur les technologies numériques pour le compte de Pékin. Le document, relayé par le site chinois IT Home, ne fournit ni calendrier de pilotes ni objectifs chiffrés pour les 46 sites en projet, laissant ouverte la question du rythme auquel cette capacité se traduira en déploiements commerciaux effectifs.

Chine/Asie❧Opinion

1 source

48

2706arXiv cs.RO 

GOAG : un planificateur de préhension génératif et agnostique à l'objet pour la manipulation robotique dextérique

CEA-List, laboratoire public français rattache au CEA Tech, publie sur arXiv (2608.19759) GOAG, un planificateur génératif de prises pour mains robotiques multi-doigts, conçu pour se généraliser a de nouveaux objets sans données d'entrainement spécifiques. Le modèle apprend uniquement la distribution des points de contact propres a une pince donnée, en exploitant le fait que pince et objet partagent la même géométrie de surface au point de contact; les caractéristiques de l'objet ne sont intégrées qu'au moment de l'inférence. Teste sur le protocole standard MultiDex, en simulation et en conditions réelles avec plusieurs pinces issues de la littérature, GOAG atteint un taux de réussite moyen de 86,93%, un niveau comparable aux meilleures méthodes entraînées spécifiquement sur ce jeu de données, avec une génération de prises nettement plus rapide. Code source et vidéos de démonstration sont publies sur cea-list.github.io/goagweb. Cette approche cible directement le principal frein a l'industrialisation de la manipulation dexterale: la plupart des planificateurs appris échouent des qu'ils rencontrent un objet absent de leur jeu d'entrainement, imposant un cycle de collecte de données couteux a chaque nouvelle référence. En découplant l'apprentissage du gripper de celui des objets, GOAG promet aux intégrateurs logistiques et industriels une adaptation plus rapide a de nouveaux produits, sans ré-entrainement systématique. Les chiffres avances, 86,93% de réussite et une vitesse de génération supérieure, restent toutefois ceux d'un benchmark académique contrôle et d'un preprint non encore évalué par les pairs: la généralisation a des objets totalement inédits en environnement de production reste a démontrer a plus grande échelle. Ce travail s'inscrit dans la recherche en planification de prise par apprentissage profond, un domaine largement domine par des méthodes entraînées objet par objet, des pinces parallèles simples aux mains anthropomorphes a haut nombre de degrés de liberté. En choisissant de généraliser via la géométrie du gripper plutôt que via des jeux de données d'objets toujours plus vastes, CEA-List se positionne sur un axe distinct de celui des groupes misant sur des modèles vision-langage-action entraines a grande échelle. Aucun pilote industriel ni calendrier de transfert technologique n'est annonce dans l'article; la suite logique consiste a valider l'approche sur un plus large éventail de pinces dexterales et d'objets non vus, avec une intégration possible dans des plateformes robotiques existantes.

FR/EU ecosysteme❖Paper

1 source

46

2707arXiv cs.RO 

CoToGrasp : synthèse de prise dextérique conditionnée par la topologie de contact via apprentissage d'espace de travail canonique

Des chercheurs du CEA-List, l'institut des systèmes numériques intelligents du Commissariat à l'énergie atomique, publient sur arXiv (référence 2608.19776, préimpression datée du mois d'août 2026) un nouveau système baptisé CoToGrasp, dédié à la synthèse de prises dextres pour mains robotiques. Contrairement aux planificateurs de prise classiques qui optimisent uniquement la stabilité physique d'un objet saisi, CoToGrasp conditionne la génération de la prise sur une topologie de contact précise, c'est-à-dire la manière dont les doigts doivent se répartir sur l'objet pour permettre une tâche fonctionnelle en aval, comme tenir un outil par le bon endroit pour l'utiliser ensuite. Pour éviter le recours à des jeux de données annotés objet par objet, jugés trop coûteux à constituer, le modèle est entraîné de façon entièrement agnostique à l'objet, via un espace de travail canonique qui projette les caractéristiques locales de l'objet dans un référentiel centré sur la pince, découplant ainsi l'intention fonctionnelle de la géométrie propre à chaque objet. Évalué sur le jeu de données à grande échelle DexGraspNet, CoToGrasp revendique des performances supérieures aux planificateurs existants guidés par taxonomie, et une généralisation en zero-shot à des objets jamais vus à l'entraînement. Les auteurs indiquent aussi avoir validé la faisabilité cinématique des prises générées sur une plateforme robotique physique. L'intérêt de ce travail réside dans la distinction qu'il pose entre pouvoir saisir un objet et le saisir correctement pour l'usage prévu, un problème que la plupart des planificateurs industriels ignorent en se limitant à la stabilité mécanique. En contournant le besoin de données annotées par objet, l'approche s'attaque à un goulot d'étranglement connu du conditionnement par taxonomie de prise humaine, ce qui pourrait intéresser les intégrateurs travaillant sur la manipulation dextre fonctionnelle, comme la préhension d'outils ou le transfert d'objets à un humain, plutôt que le simple pick-and-place. Le travail s'inscrit dans la recherche académique en manipulation dextre, où DexGraspNet sert de référence de comparaison standard pour les planificateurs guidés par taxonomie. Il s'agit d'une préimpression arXiv non encore évaluée par les pairs, avec une seule plateforme robotique physique testée à ce stade: la validation reste donc préliminaire, et les auteurs renvoient au site du projet, cea-list.github.io/cotograspweb, où le code doit être publié pour permettre une vérification indépendante des résultats annoncés.

FR/EU ecosysteme❖Paper

1 source

42

2708arXiv cs.RO 

Le toucher manquant : un retour tactile spatialisé rapproche la téléopération de la dextérité humaine

Une étude publiée sur arXiv (arXiv:2608.19372) montre qu'un retour tactile spatialement distribué réduit fortement l'écart de dextérité entre un opérateur humain et un robot téléopéré. Les chercheurs ont couplé un télémanipulateur bilatéral à retour de force à 2 degrés de liberté (DoF) à un afficheur tactile de bout de doigt à 32 DoF, reproduisant sur le doigt de l'opérateur les déformations locales du contact distant. Sur une série de tâches, ce retour tactile a accéléré l'exécution, réduit les actions correctives et rapproché les trajectoires téléopérées des trajectoires naturelles de 29 à 79%. Affiner la résolution du retour tactile, c'est-à-dire la quantification des déplacements reproduits, a compressé la distribution de l'espace d'états des mouvements enregistrés. Le résultat touche un goulot d'étranglement du secteur: la téléopération reste la principale méthode de collecte de données pour entraîner les politiques robotiques autonomes de type VLA (vision-language-action), mais les gestes capturés restent loin de la dextérité humaine, même sur des tâches simples. En pointant l'absence de retour tactile distribué, plutôt que la seule qualité des capteurs ou des algorithmes, comme cause majeure, l'étude nuance l'idée qu'accumuler plus de données brutes suffirait à combler l'écart. La compression de l'espace d'états liée à une meilleure résolution tactile suggère que le matériel haptique compte autant que le volume de données pour entraîner un modèle, un signal utile pour les intégrateurs misant sur l'apprentissage par imitation plutôt que sur des téléopérateurs bas coût sans retour de force. Cette approche s'inscrit dans des décennies de recherche en téléopération à retour de force, un champ né en chirurgie et en robotique spatiale, relancé par l'essor de l'apprentissage par imitation pour robots humanoïdes. Contrairement à une annonce produit, il s'agit d'une publication scientifique avec méthodologie et mesures détaillées, sans chiffre isolé ni vidéo sélectionnée: la comparaison porte systématiquement sur l'écart de trajectoire avant et après ajout du retour tactile. Le prototype, limité à 2 DoF et à un seul doigt instrumenté, reste un banc d'essai de laboratoire; son extension à des mains robotiques complètes et son intégration dans des pipelines de collecte pour politiques VLA à grande échelle ne sont pas annoncées.

Recherche❖Paper

1 source

42

2709arXiv cs.RO 

DiffDef : un modèle de diffusion pour générer des formes cibles multimodales de manipulation d'objets déformables

La manipulation d'objets déformables par asservissement de forme (shape servoing) fait l'objet d'un nouveau système, DiffDef, décrit dans un preprint arXiv (2506.18779, version 2 remplaçant une première soumission). Ce réseau de neurones fonde sur un modèle de diffusion apprend une distribution de formes cibles plausibles plutôt que de prédire une unique configuration déterministe, ce qui évite l'effet de moyennage des modes typique des prédicteurs classiques. La méthode a été évaluée en simulation puis sur deux plateformes robotiques physiques : le da Vinci Research Kit (dVRK), plateforme de recherche en chirurgie robotique, et un système bimanual base sur des bras KUKA. Les taches testées s'inspirent de scenarios de fabrication industrielle et d'applications chirurgicales. Un site dédié (sites.google.com/view/diffdef) accompagne la publication. La manipulation d'objets déformables (tissus, câbles, textiles, organes) reste l'un des problèmes les plus difficiles de la robotique, loin derrière la maturité atteinte sur les objets rigides. Les approches existantes d'asservissement de forme dépendent généralement de méthodes d'acquisition de la forme cible peu praticables en conditions réelles, ingénierie manuelle de connaissances métier ou démonstration physique par un opérateur, et supposent un objectif unique et déterministe. Or de nombreuses taches réelles admettent plusieurs formes cibles distinctes menant toutes a une réussite, un cas multimodal que les méthodes actuelles géraient mal. En montrant une amélioration mesurable des performances sur des plateformes chirurgicales et industrielles réelles, DiffDef fournit une preuve de concept que la modélisation probabiliste par diffusion peut combler cet écart, avec un intérêt direct pour les intégrateurs travaillant sur la chirurgie assistée par robot ou l'automatisation de taches textiles et de câblage en usine. Ce travail s'inscrit dans une ligne de recherche académique sur l'asservissement de forme, domaine ou la génération de formes cibles a longtemps repose sur l'ingénierie manuelle plutôt que sur l'apprentissage automatique. Le choix des plateformes de validation, le dVRK largement utilise dans la communauté de recherche en chirurgie robotique, et un bras bimanual KUKA, marque allemande courante en robotique industrielle et de recherche, situe DiffDef comme un travail de validation croisée entre milieu médical et manufacturier plutôt que comme un produit commercial. Il s'agit a ce stade d'un résultat de recherche publie en preprint, sans annonce de déploiement industriel ni de partenariat commercial associe ; la suite logique pour la communauté robotique consistera a vérifier si l'approche généralisé a d'autres classes d'objets déformables et si le code sera rendu public au-delà du site web dédié a la publication.

Recherche❖Paper

1 source

41

2710arXiv cs.RO 

Planification LLM ancrée dans un modèle du monde pour la navigation d'AUV et d'ASV près des parcs éoliens offshore

Un preprint publié sur arXiv (2608.19661v1) décrit une méthode qui associe modèle de langage et modèle du monde pour piloter des véhicules marins autonomes près de parcs éoliens offshore. Trois briques la composent : un modèle du monde neuronal ancré dans la physique, un optimiseur de trajectoire en trois phases, et un replanificateur en boucle fermée de type MPC avec garde-fou "trust région" ; le LLM choisit la tâche, le modèle du monde calcule durée et amplitude des commandes. Sur un véhicule sous-marin à 6 degrés de liberté (huit propulseurs) et un véhicule de surface à 3 degrés de liberté (propulsion différentielle), le système atteint chaque objectif sans collision prédite sur cinq missions par plateforme, même transféré dans le simulateur GazeboSim avec courants, vagues et dynamique réaliste des propulseurs. L'erreur de position finale baisse de 70 à 82% pour l'ASV et d'environ 93% pour l'AUV face à une base non ancrée ; un module vision-langage extrayant les obstacles depuis images satellite, cartes nautiques et prévisions météo-marines atteint 96% de précision de navigabilité pour l'ASV. L'enjeu est de combler l'écart entre planification en langage naturel et physique réelle : un LLM décide quoi faire mais ignore combien de temps ou jusqu'où exécuter une commande, au risque de faire dériver l'engin dans un obstacle. Pour l'inspection des câbles, fondations et structures des parcs éoliens offshore, où la surveillance humaine par navires et plongeurs coûte cher, une planification fiable intéresse directement opérateurs et intégrateurs. Les résultats, obtenus uniquement en simulation, appuient l'idée qu'ancrer un LLM dans un modèle physique réduit l'écart démonstration/réalité typique des systèmes vision-langage-action, sans toutefois valider d'essai en mer. Cette approche prolonge, pour la robotique marine, une logique déjà explorée pour les humanoïdes et manipulateurs par des modèles vision-langage-action tels que Pi-0, GR00T N2 ou Helix, qui relient décision de haut niveau et exécution physique. L'expansion des parcs éoliens offshore, notamment en mer du Nord et sur d'autres façades européennes, nourrit la demande d'inspection autonome par AUV et ASV. Il s'agit d'un travail de recherche académique sans acteur industriel nommé ; aucun essai réel en mer n'est rapporté, la suite logique étant une validation hors simulateur sur un site éolien réel.

IA physique❖Paper

1 source

40

2711arXiv cs.RO 

Ce qui compte pour les actions latentes dans l'apprentissage robotique

Des chercheurs publient sur arXiv (2608.19613v1, article inédit non encore évalué par les pairs) la première étude empirique systématique consacrée aux Latent Action Models (LAM), une famille de modèles qui permet à l'apprentissage robotique d'exploiter de grands volumes de vidéos non étiquetées en les traduisant en actions latentes, des substituts compacts aux commandes physiques réelles. Les auteurs unifient les méthodes LAM existantes dans un cadre autoencodeur commun, puis testent systématiquement 41 choix de conception répartis en trois axes : les paradigmes de modélisation des actions latentes, les objectifs d'apprentissage et méthodes de régularisation associées, et les stratégies d'intégration de ces actions latentes dans les politiques de contrôle robotique. Ils évaluent également quatre métriques proxy censées juger la qualité des actions latentes, en vérifiant si elles prédisent effectivement la performance en manipulation. Les expériences couvrent trois benchmarks standards du domaine, avec une validation complémentaire sur des tâches de manipulation exécutées par un robot réel. Le résultat principal, le fine-tuning du backbone d'un modèle vision-langage (VLM) avec des actions latentes offre une meilleure initialisation pour l'apprentissage de politiques robotiques en aval qu'une simple utilisation figée du VLM, apporte une base empirique à un pan de recherche jusqu'ici dispersé. Pour les équipes qui développent des modèles VLA (vision-langage-action), ce travail répond à un problème concret : la rareté et le coût des données d'action étiquetées poussent le secteur à préentraîner sur des vidéos non annotées, mais chaque laboratoire testait ses propres choix d'architecture dans des conditions expérimentales différentes, rendant les comparaisons peu fiables. Cette étude fournit des repères de conception réels plutôt que des affirmations marketing sur le préentraînement vidéo. Le contexte est celui d'un champ de recherche fragmenté : les méthodes LAM se sont multipliées ces dernières années sans cadre d'évaluation commun, chaque publication isolant une variable différente. En proposant un cadre unifié et une comparaison à grande échelle de 41 configurations, les auteurs cherchent à combler ce vide méthodologique. Il s'agit d'un travail académique de type ablation étude, pas d'un produit ni d'un déploiement commercial : les suites attendues concernent l'adoption de ces recommandations de conception par les équipes développant des modèles VLA préentraînés sur vidéo à plus grande échelle.

Recherche❖Paper

1 source

39

2712arXiv cs.RO 

Apprentissage de compétences réactives de football par vision pour robots humanoïdes

Une équipe de recherche présente, dans une version mise à jour d'un preprint arXiv (2511.03996v2), un contrôleur basé sur l'apprentissage par renforcement qui permet à des robots humanoïdes d'acquérir des réflexes de football pilotés par la vision, en couplant directement perception visuelle et contrôle locomoteur plutôt que de séparer les deux étapes dans un pipeline modulaire. Entraîné en simulation avec des "adversarial motion priors" pour produire des mouvements naturels, le système repose sur une architecture encodeur-décodeur et un module de perception virtuelle reproduisant le bruit et les échecs de détection d'une caméra embarquée. Le robot exécute ainsi, avec la seule vision embarquée, la recherche du ballon, sa poursuite et des frappes multidirectionnelles. Face à une méthode de référence basée sur des règles fixes, l'erreur d'estimation de la position du ballon chute de 46%, le temps avant frappe diminue jusqu'à 64%, et le taux de réussite atteint environ 90% en zone offensive, testé lors de compétitions RoboCup réelles. Ce résultat contredit une pratique répandue en robotique humanoïde, qui consiste à séparer perception et contrôle ou à supposer une détection quasi parfaite. En intégrant l'incertitude visuelle directement dans l'apprentissage de la politique, les auteurs montrent qu'un contrôleur de bout en bout peut rester réactif malgré un bruit de détection réaliste, fréquent dès la sortie du laboratoire. Pour les équipes travaillant sur des humanoïdes destinés à des environnements dynamiques, au-delà du seul football, cette boucle fermée perception-contrôle suggère une piste généralisable à des tâches de manipulation ou de navigation exigeant une adaptation continue sous perception dégradée, un enjeu clé pour combler l'écart entre simulation et conditions réelles. Il s'agit d'une contribution académique publiée sur arXiv en version révisée, non d'une annonce de produit commercial: aucune entreprise ni modèle de robot n'est nommé, la validation s'appuyant sur une plateforme générique testée dans le cadre de la RoboCup Humanoid League, compétition où plusieurs équipes universitaires confrontent depuis des années leurs algorithmes de locomotion et de perception. Aucun acteur français ou européen n'apparaît dans cette publication. Les auteurs n'annoncent ni calendrier de déploiement industriel ni partenariat, se limitant à évoquer la poursuite des tests en conditions de compétition réelle.

Recherche❖Paper

1 source

39

2713arXiv cs.RO 

Quand les automates rencontrent les flux : compilation de logique temporelle pour la planification tâche-mouvement en robotique

Une équipe de recherche en robotique présente SAM-TD (Synchronous Action Monitoring with Token Destruction), une méthode de compilation permettant d'imposer des contraintes de logique temporelle linéaire sur traces finies (LTLf) dans la planification tâche-mouvement (TAMP) basée sur les flux, ou "streams". Publiée sur arXiv en aout 2026, l'approche traduit des spécifications LTLf arbitraires en automates, puis intègre des gardes d'automates régressées directement dans les schémas d'action, définis avant le début de la planification. Pendant la recherche de plan, SAM-TD met à jour de façon synchrone l'état de chaque automate et s'appuie sur un jeton de validité partagé entre tous les automates pour élaguer les branches qui violent les contraintes. Les auteurs rapportent ce qu'ils présentent comme la première démonstration de TAMP basée sur des streams sous contraintes LTL_f, testée dans trois environnements robotiques PDDLStream, et affirment que SAM-TD reste compétitif face aux méthodes de référence de compilation de contraintes temporelles sur des benchmarks PDDL discrets classiques. Le TAMP basé sur les streams combine planification symbolique discrète et génération continue de paramètres géométriques (poses, prises, trajectoires) produits à la volée pendant la recherche de solution. Jusqu'ici, ces planificateurs ne vérifiaient que l'atteignabilité d'un objectif, sans garantir de contraintes temporelles comme l'ordre d'exécution critique pour la sécurité, l'invariance ou la liveness, pourtant indispensables sur des tâches à long horizon. Le verrou technique tenait au fait que les streams génèrent un ensemble d'objets géométriques en expansion continue au fil des boucles de raffinement, incompatible avec les techniques existantes de compilation de logique temporelle conçues pour un ensemble d'objets fixe et énumérable. En levant ce verrou sans modifier le planificateur sous-jacent ni exiger d'énumération préalable des objets, SAM-TD ouvre la voie à des architectures capables de respecter des règles de sécurité formelles tout en conservant la flexibilité des générateurs continus, un enjeu direct pour les intégrateurs qui déploient des manipulateurs en environnement partagé avec des humains ou soumis à des contraintes réglementaires strictes. Le cadre PDDLStream, sur lequel s'appuie ce travail, sert de référence académique pour coupler planification classique PDDL et générateurs de paramètres continus en robotique ; les techniques antérieures de compilation de logique temporelle avaient été conçues pour ce contexte discret et supposaient un monde d'objets clos, d'où leur incompatibilité avec les streams. SAM-TD se positionne comme une extension du cadre existant plutôt que comme un nouveau planificateur, ce qui pourrait faciliter son adoption par les équipes déjà équipées d'outils PDDLStream. L'article ne mentionne ni pilote industriel ni calendrier de déploiement sur robot réel : les résultats se limitent à des environnements simulés et à des benchmarks PDDL standards, laissant ouverte la question du passage à l'échelle en conditions réelles.

Recherche❖Paper

1 source

38

2714arXiv cs.RO 

OrthoSkillVLA : apprentissage continu de compétences par adaptation de sous-espace guidée par gradient

Un article publie sur arXiv (référence 2608.19589v1) présente OrthoSkillVLA, une méthode qui permet a un modèle Vision-Language-Action (VLA) déjà preentraine d'apprendre de nouvelles compétences robotiques les unes après les autres sans effacer celles déjà acquises. Le problème cible est l'oubli catastrophique : chaque nouvelle adaptation perturbe les représentations et les cartographies de vitesse (velocity mappings) construites pour les compétences antérieures. Les auteurs distinguent deux fragilités propres a l'architecture VLA. D'un cote, le module vision-langage (VLM) porte des représentations sémantiques larges et sature vite sa capacité ; de l'autre, l'ActionHead traduit cette sémantique en commandes de vitesse localisées, beaucoup plus sensibles aux perturbations. Le décodeur de vitesse final pose un dilemme supplémentaire, puisque le geler bride l'expressivité du modèle alors que le mettre a jour risque d'écraser les compétences déjà apprises. OrthoSkillVLA répond en imposant des contraintes de sous-espace orthogonal séparées au VLM et a l'ActionHead, plutôt qu'une contrainte unique sur tout le modèle, et en remplaçant le décodeur par un routeur mixture-of-experts (MoE) léger, sans entrainement, qui alloue un expert compact par compétence selon l'affinité dans l'espace des features. La méthode fonctionne sans rejouer de démonstrations passées et a été validée en simulation ainsi que sur des essais réels, avec des études d'ablation. Pour l'industrie robotique, ce travail s'attaque a un verrou concret de la mise en production des VLA : faire évoluer un robot déjà déployé avec une nouvelle compétence oblige aujourd'hui soit a reentrainer sur l'ensemble des données passées, soit a ajouter des modules dédiés par compétence, ce qui alourdit l'inférence embarquée. Une méthode préservant les compétences existantes sans stocker ni rejouer d'anciennes démonstrations, et sans faire gonfler les paramètres actifs a l'inférence, intéressé directement les intégrateurs qui veulent faire évoluer une flotte par mises a jour incrémentales plutôt que par reentrainement complet. Cela nourrit aussi le débat sur la solidité réelle des VLA a grande échelle, la plupart des démonstrations publiques montrant des compétences figées au moment du déploiement plutôt qu'un robot qui accumule des savoir-faire sur le terrain sans régression. Les résultats restent toutefois ceux d'un article de recherche, avec ses propres benchmarks, sans validation indépendante ni déploiement industriel confirme a ce jour. Ce travail s'inscrit dans la lignée des modèles VLA généralistes, entraines une fois pour toutes et généralement dépourvus de mécanisme natif d'apprentissage continu après déploiement. Les approches existantes contre l'oubli catastrophique se repartissent en deux familles : les méthodes a base d'architecture, qui isolent chaque compétence dans des modules distincts au prix d'une empreinte croissante a l'inférence, et les méthodes a contrainte de sous-espace, qui limitent les mises a jour de gradient dans une direction orthogonale mais l'appliquent uniformément a tout le modèle. OrthoSkillVLA se positionne comme une alternative plus fine en traitant différemment le VLM et l'ActionHead selon leur rôle réel. L'article ne mentionne ni partenaire industriel, ni plateforme robotique spécifique, ni calendrier de déploiement : il s'agit a ce stade d'une contribution méthodologique publiée en preprint, dont l'adoption dépendra de sa reproduction et de son intégration dans des piles VLA existantes.

Recherche❧Opinion

1 source

38

2715arXiv cs.RO 

Maintenir en vie le Franka Emika Panda : une stack ROS 2 avec une interface de position fiable

Des chercheurs publient sur arXiv (2608.19740v1) une pile logicielle open-source qui restaure le support ROS 2 pour le bras collaboratif Franka Emika Panda et corrige un défaut connu de longue date de son interface de contrôle en position externe. L'analyse identifie l'origine des vibrations et des arrêts de protection qui affectaient jusqu'ici l'implémentation officielle : non pas une limite matérielle du robot, mais le calage temporel de la boucle de contrôle externe et la gigue d'échantillonnage. La solution combine trois éléments : une interface matérielle asynchrone qui découple la communication temps réel de la boucle de contrôle ROS 2, un mécanisme de mise à l'échelle du taux de commande pour les sources plus lentes, et une stratégie de génération de références en position produisant des commandes fluides et fiables. Les tests, menés sur deux plateformes Panda indépendantes, couvrent la planification de mouvement, le contrôle en compliance, la manipulation en position et la téléopération haptique, avec un suivi amélioré des références de vitesse et une réduction des artefacts de mouvement par rapport à la pile officielle. Le code et des vidéos de démonstration sont publiés sur sites.google.com/view/fer-ros2/. Pour les laboratoires et intégrateurs qui utilisent le Panda comme plateforme de recherche en manipulation et en interaction humain-robot, cette contribution comble un manque d'infrastructure plutôt qu'elle n'annonce une percée spectaculaire : elle rend l'écosystème ROS 2 du robot de nouveau utilisable de manière fiable pour des applications combinant planification, perception et autonomie partagée. C'est un signal utile dans un secteur où la migration de ROS 1 vers ROS 2 a souvent laissé des interfaces matérielles instables ou mal maintenues, forçant certaines équipes à rester sur d'anciennes piles logicielles ou à développer des correctifs maison non partagés. Le Panda, lancé par Franka Emika à partir de 2017, reste l'un des bras collaboratifs les plus utilisés dans la recherche académique en robotique malgré les turbulences financières traversées par l'entreprise, passée sous le giron de Franka Robotics après une insolvabilité en 2023. Ce travail s'inscrit dans l'effort plus large de la communauté robotique pour maintenir à jour les piles logicielles de plateformes de recherche largement déployées, sans lien annoncé avec un acteur commercial ni de calendrier de déploiement industriel : il s'agit d'une publication de recherche accompagnée de code ouvert, destinée à être reprise et validée par d'autres laboratoires.

Recherche❖Paper

1 source

38

2716arXiv cs.RO 

SCAPE : évaluation de politiques augmentée par simulation conditionnée par scénario

Un article arXiv publié sous la référence 2608.19425v1 présente SCAPE (Scenario-Conditioned Simulation-Augmented Policy Evaluation), un cadre d'évaluation qui prédit la performance réelle d'une politique de robot apprise par apprentissage automatique, scénario par scénario, en combinant un nombre limité d'essais réels appariés avec des simulations à grande échelle. Le système corrige d'abord le biais sim-to-réel présent dans les étiquettes issues de la simulation avant d'entraîner un modèle de prédiction, puis calibre l'incertitude de ses estimations via la prédiction conforme. Les auteurs valident l'approche sur deux tâches: la conduite autonome et le suivi de vitesse d'un robot quadrupède. Dans des études sim-to-sim, SCAPE réduit l'erreur de prédiction au niveau du scénario de 4,9% et 34,7% par rapport à des références neuronales conditionnées par scène et à des statistiques agrégées, respectivement, pour la conduite, et de 14,5% et 27,7% pour le quadrupède. Une politique de suivi de vitesse a par ailleurs été testée en conditions réelles sur un robot quadrupède physique Unitree Go2. Pour l'industrie robotique, l'enjeu est direct: évaluer la fiabilité d'une politique avant déploiement reste un goulot d'étranglement, coincé entre des tests réels fidèles mais coûteux et difficiles à faire monter en échelle, et des tests en simulation économiques mais biaisés par l'écart sim-to-réel. Les méthodes existantes mélangeant essais réels et simulation ne fournissaient qu'une moyenne de performance sur l'ensemble des conditions de déploiement, masquant les cas précis où une politique échoue. SCAPE propose à la place des prédictions conditionnées par scénario, assorties d'intervalles d'incertitude calibrés, ce qui autorise des stratégies de déploiement plus fines: cibler les conditions initiales où une politique reste sûre plutôt que se fier à un score global. L'approche améliore aussi l'efficacité d'échantillonnage des tests et généralise mieux aux scénarios hors distribution, deux limites récurrentes des méthodes actuelles. Ce travail s'inscrit dans la lignée des méthodes d'évaluation augmentée par simulation, déjà utilisées pour combler l'écart entre test réel et test simulé mais jusque-là limitées à des statistiques agrégées peu utiles pour la prise de décision opérationnelle. L'article ne précise ni affiliation institutionnelle ni calendrier de diffusion au-delà de la publication arXiv: il s'agit d'une contribution de recherche, pas d'un produit commercialisé. Les deux bancs d'essai retenus, conduite autonome et quadrupède Unitree Go2, positionnent SCAPE comme un outil transversal, potentiellement applicable à d'autres familles de politiques robotiques apprises, y compris des modèles vision-langage-action, dès lors que des paires de données simulation/réel sont disponibles pour l'étalonnage.

Recherche❖Paper

1 source

38

2717arXiv cs.RO 

Apprendre la bonne abstraction : dynamique réduite neuronale pour le contrôle robotique complexe

Une équipe de recherche a publié sur arXiv, le 21 août 2026 (référence 2608.19375v1), un article intitulé « Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control », proposant un cadre baptisé Neural Reduced Dynamics (NRD). L'objectif : remplacer les simulateurs physiques haute-fidélité, trop coûteux pour l'apprentissage par renforcement à grande échelle, par un modèle neuronal appris qui ne conserve que l'état réduit pertinent pour le contrôle, avant de valider les politiques entraînées dans le simulateur complet. Le cadre est testé sur trois tâches : suivi de trajectoire d'un véhicule HMMWV (Humvee) sur terrain rigide, accidenté et déformable, modélisé via un Continuum Representation Model (CRM), et atteinte d'objectifs pour un véhicule à chenilles équipé d'un bras articulé frontal. Une politique unique, entraînée sans recevoir d'information de terrain en entrée, obtient une erreur de suivi inférieure à celle de politiques spécialisées par terrain, y compris sur un terrain accidenté jamais vu (zero-shot). Le véhicule atteint 100 objectifs sur 100, le bras 97 sur 100, sans collision ni dépassement de butée articulaire, et les modèles NRD tournent environ quatre ordres de grandeur plus vite en temps simulé que les scènes qu'ils remplacent. Cette accélération déplace le goulot d'étranglement classique de l'apprentissage robotique : entraîner des politiques directement dans un simulateur haute-fidélité reste souvent hors de portée pour l'itération rapide à grande échelle, ce que ce travail contourne sans sacrifier le transfert vers la physique complète. Pour les équipes développant des véhicules autonomes tout-terrain ou des plateformes hybrides mobilité-manipulation, la généralisation à un terrain non vu, sans capteur dédié, suggère qu'une seule politique bien entraînée peut remplacer plusieurs modèles spécialisés. Ces résultats restent toutefois obtenus entièrement en simulation, sans validation sur robot physique. Le travail s'inscrit dans la lignée des approches par dynamique neuronale ou « world models » destinées à accélérer l'apprentissage par renforcement, en alternative aux moteurs physiques classiques comme Chrono, dont est issue la terminologie CRM, ou aux plateformes de simulation massivement parallèles type Isaac Gym. Plutôt que d'apprendre une dynamique complète, NRD mise sur une abstraction volontairement réduite de l'état, le reste étant fourni en entrée ou recalculé analytiquement. L'article ne mentionne ni partenariat industriel ni calendrier de déploiement ; il se positionne comme une contribution méthodologique pour les laboratoires travaillant sur les véhicules terrestres autonomes et la manipulation mobile.

Recherche❖Paper

1 source

38

2718arXiv cs.RO 

WaveVerif : vérification des flux de travail robotiques par canal auxiliaire acoustique

Des chercheurs ont présenté WaveVerif, un système de vérification de robots industriels fondé sur l'analyse acoustique par canal auxiliaire (acoustic side-channel analysis), détaillé dans un article déposé sur arXiv (version 2, octobre 2025). Le principe: capter les émissions sonores générées par les mouvements d'un bras robotique et les comparer, via apprentissage automatique, aux commandes réellement envoyées, afin de détecter tout écart entre l'action attendue et l'action exécutée. Quatre classifieurs ont été testés et comparés: une machine à vecteurs de support (SVM), un réseau de neurones profond (DNN), un réseau récurrent (RNN) et un réseau convolutif (CNN). Les résultats montrent une précision supérieure à 80% pour valider des mouvements individuels dans des conditions de référence, en tenant compte de la vitesse de déplacement, de la direction et de la distance du microphone. Le système parvient aussi à vérifier des séquences complètes de type pick-and-place et packing avec un niveau de confiance comparable, sans nécessiter la moindre modification matérielle du robot. L'intérêt pratique tient à la nature passive et peu coûteuse de la méthode: un simple microphone suffit à surveiller en temps réel qu'un robot fait bien ce qu'on lui demande, sans dépendre des données de télémétrie renvoyées par son propre contrôleur, potentiellement falsifiables en cas de compromission logicielle. Pour les environnements sensibles, lignes de production critiques, sites industriels ou installations où la confidentialité empêche l'usage de caméras, cette approche offre une couche de vérification indépendante, complémentaire aux capteurs de position ou aux systèmes de vision. Elle s'inscrit dans une problématique plus large de sécurité et d'intégrité des workflows robotiques automatisés, où la confiance dans l'exécution effective des commandes devient un enjeu à mesure que les usines déploient des flottes de robots interconnectés. L'analyse acoustique par canal auxiliaire est une technique historiquement utilisée en cybersécurité offensive, notamment pour intercepter des frappes clavier ou des clés cryptographiques à partir de sons parasites. WaveVerif la retourne à des fins défensives, comme outil d'audit et de détection de sabotage ou de dysfonctionnement. L'article, classé en soumission croisée sur arXiv, ne mentionne pas de déploiement industriel ni de partenaire commercial: il s'agit à ce stade d'une preuve de concept académique, dont la robustesse en environnement bruyant réel et sur des robots de formes variées reste à démontrer au-delà des conditions de laboratoire décrites.

Recherche❖Paper

1 source

37

2719arXiv cs.RO 

Vers un style de tennis professionnel pour robots humanoïdes grâce à une planification et un suivi de mouvement adaptatifs

Des chercheurs ont publié le 21 août 2026 sur arXiv (référence 2608.20087v1) AdaPT, un système de planification et de suivi de mouvement adaptatif qui apprend à des robots humanoïdes à servir et échanger au tennis avec un style proche de celui des joueurs professionnels, directement à partir de vidéos de retransmissions télévisées. L'architecture est hiérarchique : un planificateur génère la trajectoire cinématique stylisée, tandis qu'un module de suivi (tracker) l'exécute en interférant le moins possible avec le plan initial. Validée en simulation, l'approche a ensuite révélé un écart important entre simulation et réel sur le robot Unitree G1, la précision du suivi se dégradant à cause de la planification autorégressive et du bruit de perception ; pour corriger cela, les auteurs ont entraîné le tracker à suivre des vitesses d'exécution randomisées et conditionné le planificateur via un adaptateur de vitesse appris. Les politiques AdaPT ont ensuite été déployées sur le robot humanoïde grand format Dobot Atom (1,7 mètre), capable de servir en conditions réelles sans capture de mouvement, avec vidéos et code publiés sur le site du projet. Ce résultat illustre concrètement la possibilité de transférer un mouvement stylisé et physiquement exigeant, appris depuis de simples vidéos, vers un robot humanoïde grande taille opérant sans motion capture ni environnement contrôlé, un enjeu central pour l'industrie face au fossé habituel entre démonstrations et performance réelle. Il faut toutefois le lire comme un résultat de recherche académique et non comme un produit commercialisé : aucune annonce de volumes, de prix ni de partenariat industriel n'accompagne la publication, et les essais restent limités en nombre. La méthode elle-même dépasse le seul tennis, puisqu'elle traite un problème plus général, générer des mouvements stylistiques complexes sans sacrifier la performance de la tâche, pertinent pour toute application humanoïde exigeant dextérité et fluidité. Ce travail s'inscrit dans une vague récente de recherches sur des humanoïdes jouant à des sports de balle, un domaine où plusieurs laboratoires ont récemment montré des frappes ou services au tennis, badminton ou ping-pong, souvent via des architectures de type VLA ou du renforcement pur. AdaPT se distingue par la combinaison d'une imitation de style issue de vidéos de diffusion et d'une architecture planificateur/tracker pensée spécifiquement pour limiter la dégradation lors du transfert simulation-réel. Les tests ont porté sur deux plateformes, le Unitree G1, standard courant en recherche sur la locomotion, et le Dobot Atom, humanoïde grand format du fabricant chinois Dobot. Les auteurs n'annoncent aucun calendrier de pilote commercial, se limitant à publier code et vidéos et à souligner des enseignements algorithmiques et d'ingénierie pour de futurs systèmes humanoïdes sportifs.

Recherche❖Paper

1 source

37

2720arXiv cs.RO 

Traversée de porte poussée via des jumeaux numériques simulés (Video2DoorTraversal)

Un article publié sur arXiv (2608.20251v1) présente Video2DoorTraversal, un système permettant à des robots mobiles à roues-pattes d'ouvrir et de franchir des portes de façon autonome à partir d'une seule vidéo RGB. Le module DoorTwin reconstruit, à partir de cette vidéo, un jumeau numérique articulé et simulable de la porte, avec géométrie et apparence réalistes. Un agent de simulation transforme cette articulation en programme de compétences paramétré et affine les essais échoués pour produire des démonstrations exécutables, utilisées pour entraîner ArticuACT, une politique "dual-depth" qui prédit les commandes de la base, du bras et de la pince via une caméra embarquée centrée sur le robot. Avec perception et inférence exécutées entièrement à bord, le système atteint 96,57% de réussite moyenne sur cinq portes réelles, 80,95% en zero-shot sur des portes inédites structurellement similaires, et boucle la séquence complète d'approche, ouverture et franchissement en environ 13 secondes. L'ouverture de porte reste l'une des tâches de loco-manipulation les plus difficiles pour les robots mobiles : elle exige une interaction précise avec une poignée et un contrôle coordonné base-bras sur un horizon long, un goulot d'étranglement classique pour le déploiement en bureaux, usines ou hôpitaux. L'apport principal est de montrer qu'une seule vidéo suffit à produire un jumeau simulable exploitable pour l'entraînement, sans scan 3D ni modélisation CAO dédiée à chaque porte, ce qui réduirait le coût d'intégration site par site pour les industriels. Le taux zero-shot de 80,95% sur des portes inédites est le chiffre le plus parlant pour des intégrateurs, car il suggère une réelle transférabilité au-delà du sur-apprentissage sur un jeu fermé de portes. Ces résultats restent néanmoins ceux d'un préprint académique testé sur cinq portes en laboratoire, sans validation indépendante ni déploiement en conditions réelles non contrôlées. Le document ne mentionne aucune entreprise ni marque commerciale : il s'agit d'un travail académique publié sur arXiv, dans la lignée des efforts visant à combler l'écart simulation-réalité pour la manipulation fine, un problème que des modèles vision-langage-action génériques comme Pi-0, GR00T N2 ou Helix adressent aussi mais sans se spécialiser sur l'interaction avec des poignées et des portes. Le choix d'une plateforme à roues-pattes plutôt qu'un humanoïde bipède complet distingue cette approche des efforts type Figure 03 ou Optimus, en misant sur une base plus stable pour la manipulation fine en mouvement. Aucun calendrier de déploiement industriel ni partenariat n'est annoncé ; la suite logique évoquée par les auteurs est l'extension à davantage de types de portes, de poignées et de mécanismes de verrouillage, ainsi que des tests en environnements réels non contrôlés au-delà des cinq portes testées. Aucun acteur français ou européen n'apparaît dans ces travaux.

Recherche❖Paper

1 source

37

2721arXiv cs.RO 

Contrôle en boucle fermée sans modèle des manipulateurs continus spatiaux par optimisation de la tension de l'épine dorsale

Des chercheurs présentent un nouveau cadre de contrôle pour les manipulateurs continus, ces bras robotiques flexibles à tendons capables de se faufiler dans des environnements confinés et encombrés, notamment à bord d'engins spatiaux. Le papier, publié sur arXiv sous la référence 2512.06754 (version 2, une révision d'une publication antérieure), part d'un constat : la déformation de leur structure porteuse est de dimension infinie, la friction interne reste largement non modélisée et leur rigidité varie selon la configuration, ce qui rend les modèles cinématiques classiques peu fiables, avec des jacobiennes erronées, des singularités artificielles et un actionnement instable. La solution proposée abandonne la modélisation physique au profit d'une jacobienne empirique, initialisée grossièrement puis raffinée en continu par des mises à jour convexes différentielles. Le mouvement de la pointe du bras est ensuite généré par un programme quadratique résolu en temps réel, qui calcule les incréments d'actionneurs tout en évitant le relâchement des tendons et en respectant les limites géométriques ; les auteurs ajoutent un terme d'optimisation de la tension de la structure pour réguler la charge axiale et supprimer la compression liée à la co-activation des tendons. Testé sur trois trajectoires (cercle, pentagone, carré), le système converge de façon stable, avec une précision inférieure au millimètre, sans calibration de modèle ni identification de paramètres. Cette approche s'attaque à un verrou connu en robotique spatiale et en robotique molle : les bras continus séduisent pour leur compliance géométrique et leur sécurité intrinsèque, mais leur commande a toujours souffert de modèles cinématiques fragiles, difficiles à recalibrer à chaque changement de configuration, un problème d'autant plus critique en orbite où une recalibration in situ est coûteuse, voire impossible. En s'affranchissant du modèle physique au profit d'un apprentissage en ligne de la jacobienne, ce travail suggère qu'une commande fiable peut être obtenue sans caractérisation préalable du matériau ni identification exhaustive des frottements, ce qui faciliterait le déploiement de ces bras pour l'inspection en espace confiné, la maintenance en orbite ou la capture de débris. Il faut toutefois noter que la validation reste, à ce stade, limitée à des trajectoires de test simples en environnement contrôlé, et non à une mission spatiale réelle : la précision sous-millimétrique annoncée concerne ces essais, pas des conditions opérationnelles en orbite. Le document est une prépublication arXiv, sans laboratoire ni entreprise nommément identifiés dans le résumé, ce qui la situe du côté de la recherche méthodologique plutôt que du produit commercial. Elle s'inscrit dans une tendance plus large de la robotique continue, qui cherche depuis plusieurs années des alternatives au contrôle par jacobienne analytique, jugé trop rigide face à des structures déformables et à frottement variable, au profit de méthodes empiriques pilotées par les données. Aucun essai matériel réel, partenariat industriel ni calendrier de déploiement n'est mentionné ; les suites logiques, non annoncées dans le texte, seraient une validation sur bras physique puis dans des conditions représentatives d'un environnement spatial confiné.

Recherche❖Paper

1 source

37

2722arXiv cs.RO 

Apprentissage de transitions de compétences hautement dynamiques pour le saut de quadrupèdes en espace contraint

Un pipeline d'apprentissage par renforcement hiérarchique, décrit dans un article publié sur arXiv (référence 2608.19977), permet à un robot quadrupède de franchir dynamiquement un espace contraint, en l'occurrence une porte étroite, en reproduisant les mouvements explosifs observés chez les animaux à quatre pattes. Le système combine deux niveaux : une politique bas niveau, entraînée par apprentissage par imitation à partir de comportements animaux réels, qui constitue un répertoire varié de compétences motrices, et un contrôleur haut niveau qui détecte l'ouverture par vision et sélectionne la manœuvre ainsi que la trajectoire sans collision adaptées pour la traverser en mouvement dynamique. Les auteurs indiquent avoir aussi vérifié que ce cadre se généralise à d'autres tâches hautement dynamiques au-delà du franchissement de porte. L'enjeu dépasse la simple démonstration acrobatique. Les quadrupèdes commerciaux savent aujourd'hui marcher, courir ou monter des escaliers, mais peinent encore à associer perception en temps réel et locomotion agile pour franchir des ouvertures étroites ou des obstacles dynamiques, une capacité pourtant utile pour des interventions en usines, sites sinistrés ou chantiers encombrés. En couplant une bibliothèque de compétences apprises par imitation à un planificateur piloté par la vision, les auteurs proposent une alternative à la trajectoire programmée à la main pour un obstacle unique, une piste vers une composition de compétences plus généralisable. Il s'agit néanmoins d'un travail de recherche fraîchement publié, sans partenaire industriel ni plateforme commerciale citée : la validation reste celle d'un prototype de laboratoire. Ce travail s'inscrit dans un courant de recherche actif sur l'agilité dynamique des robots à pattes, porté ces dernières années par des laboratoires comme l'ETH Zurich et le MIT ou par des fabricants comme Unitree et Boston Dynamics, déjà connus pour leurs démonstrations de sauts et de déplacements sur terrains accidentés. La spécificité revendiquée ici est de cibler le franchissement aérien et autonome d'une ouverture précise, présenté par les auteurs comme l'une des premières démonstrations de ce type sur un robot marchant au sol. L'article ne précise ni prochaine étape de validation ni calendrier vers une plateforme commerciale : il s'agit pour l'instant d'une preuve de concept destinée à la communauté de recherche en robotique.

Recherche❖Paper

1 source

37

2723arXiv cs.RO 

SafeBranch : alignement de sécurité par paires de branches pour agents incarnés

Un article intitulé "SafeBranch: Branch-Pair Safety Alignment for Embodied Agents" (arXiv:2608.19729), publié en août 2026, s'attaque au problème de la "sécurité interactive" chez les agents incarnés pilotés par des modèles vision-langage (VLA). Ces agents accomplissent les tâches demandées mais violent souvent des contraintes de sécurité en cours d'exécution. La méthode proposée, SafeBranch, construit des paires de branches à partir des propres trajectoires non sûres de l'agent, via un rollback de l'environnement: le système reprend une trajectoire dangereuse, revient exactement à l'étape critique où la violation s'est produite, interroge l'agent pour obtenir une action alternative sûre à ce même point, puis entraîne le modèle en comparant les deux branches, qui ne diffèrent que sur cette unique action. L'agent entraîné agit ensuite de façon sûre au déploiement, sans module de supervision externe actif en boucle. Testée sur les benchmarks IS-Bench et SafetyALFRED, ainsi que sur des variantes hors distribution avec tâches et objets inédits, la méthode obtient environ dix fois plus de réussites sûres que la base non entraînée sur la variante à objets inconnus, sans dégrader le taux de réussite des tâches. Ce travail cible un point de friction central pour l'industrie robotique qui mise sur les modèles VLA pour piloter humanoïdes et bras manipulateurs en environnement humain: la sécurité ne s'obtient ni par simple imitation de trajectoires sûres, qui n'explique pas pourquoi une action est risquée, ni par contraste brut entre trajectoires sûres et non sûres, qui mélange le signal de sécurité à des différences non pertinentes. En isolant précisément l'étape critique où bascule une trajectoire, SafeBranch fournit un signal d'apprentissage plus propre, sans nécessiter de vérificateur externe à l'inférence, ce qui allège la latence et l'intégration côté industriels. Pour des décideurs B2B évaluant le risque d'un déploiement robotique en usine ou en environnement partagé avec des humains, cela répond à une inquiétude concrète: les démonstrations impressionnantes de modèles VLA masquent souvent des comportements dangereux non filtrés hors des scénarios testés. Le gain rapporté sur objets inédits suggère une meilleure généralisation de la sécurité, point faible connu des approches antérieures. Ce résultat s'inscrit dans une littérature émergente sur la sécurité interactive des agents incarnés, née du constat que les benchmarks classiques de réussite de tâche ne capturent pas les violations de contraintes survenant en cours d'exécution, à distinguer des évaluations de sécurité statique utilisées pour les grands modèles de langage généralistes. IS-Bench et SafetyALFRED, employés pour valider SafeBranch, comptent parmi les outils récents conçus pour mesurer ce compromis entre sécurité et performance. Classé comme publication croisée sur arXiv, l'article ne précise ni affiliation institutionnelle ni calendrier de mise en œuvre industrielle: il s'agit à ce stade d'une contribution méthodologique de recherche, sans produit ni déploiement commercial annoncé, à distinguer des piles de sécurité propriétaires intégrées par des acteurs commerciaux de robots humanoïdes. Les suites attendues pour ce type de travaux incluent généralement l'extension à des environnements réels au-delà des simulateurs, et une comparaison directe avec les mécanismes de sécurité déjà déployés dans l'industrie.

Recherche❖Paper

1 source

36

2724arXiv cs.RO 

Planification de trajectoire multimodale pour véhicules de surface via des fonctions barrières de contrôle basées sur le cercle de giration

Une équipe de recherche publie sur arXiv (référence 2608.19537v1, soumission classée "new") une méthode de planification de trajectoire pour véhicules de surface autonomes (USV) évoluant en environnement dynamique, combinant commande prédictive par modèle (MPC) et une fonction barrière de contrôle fondée sur le cercle de giration du navire, baptisée TC-CBF. Contrairement aux fonctions barrière classiques basées sur la distance euclidienne, qui jugent la sécurité uniquement à la proximité d'un obstacle, la TC-CBF intègre la cinématique non holonome et le rayon de virage fini du navire pour délimiter géométriquement des zones d'évitement réalisables, générant deux modes distincts, virage à gauche et virage à droite. Le solveur d'optimisation peut ainsi explorer des trajectoires topologiquement différentes sans nécessiter de chemin guide planifié globalement en amont, une contrainte habituelle des approches multimodales existantes. Sur des simulations impliquant plusieurs navires en mouvement et différentes densités de trafic, la méthode affiche un taux de réussite supérieur, moins de violations de sécurité et des violations résiduelles plus faibles que les approches MPC à mode unique utilisées comme référence. L'enjeu dépasse l'exercice académique: les systèmes de navigation autonome en mer butent souvent sur les mêmes limites que les robots terrestres non holonomes, à savoir le blocage dans des minima locaux ou les situations de deadlock lorsqu'un unique mode d'évitement ne suffit plus face à un trafic dense de plusieurs obstacles mobiles. En intégrant la direction d'évitement directement dans la contrainte de sécurité plutôt que dans une couche de planification globale séparée, l'approche réduit la charge de calcul, un critère décisif pour l'embarqué à bord de véhicules de surface aux ressources limitées. Pour les intégrateurs de systèmes maritimes autonomes, ports intelligents, surveillance côtière ou navigation commerciale sans équipage, cela représente une piste concrète pour fiabiliser l'évitement de collision en environnement encombré, un point encore fragile dans les démonstrations actuelles du secteur. Ce travail s'inscrit dans la lignée des fonctions barrière de contrôle, un outil désormais courant en robotique et conduite autonome pour garantir la sécurité formelle des commandes, mais ici adapté aux spécificités des véhicules marins non holonomes plutôt qu'aux robots terrestres ou drones habituellement ciblés. Il ne s'agit à ce stade que d'un pré-print, validé uniquement en simulation, sans essais en mer réels ni partenariat industriel ou nom de navire mentionné dans le résumé disponible. Aucune date de déploiement, aucun coût ni fournisseur n'est cité: la contribution reste une avancée méthodologique destinée à alimenter de futurs développements en planification de trajectoire pour l'autonomie maritime, plutôt qu'un produit prêt à être industrialisé.

Recherche❖Paper

1 source

36

2725arXiv cs.RO 

MILD : modélisation du terrain pour améliorer la locomotion bipède sur surfaces déformables

Des chercheurs publient MILD, un système combinant simulation physique et apprentissage par renforcement pour la locomotion bipède sur sols meubles (sable, boue, gravats), disponible en prépublication sur arXiv sous la référence 2608.19955, mise en ligne le 21 août 2026. Le composant central est un solveur de contact par éléments discrets, fondé sur la physique, capable de modéliser des interactions pied-terrain qui varient dans l'espace et dans le temps, ce que les simulateurs actuels échoueraient à reproduire faute de représenter l'hétérogénéité spatio-temporelle des substrats déformables. Ce modèle sert de base à l'entraînement, par apprentissage par renforcement profond, d'un contrôleur de marche sensible au terrain, qui combine modulation latente et estimation proprioceptive de l'état du sol. Des essais matériels valident une identification et une adaptation en ligne du terrain sur une large plage de raideurs de surface. L'abstract ne cite ni plateforme robotique précise, ni chiffres de payload, de degrés de liberté ou de temps de cycle : les comparaisons avancées face à l'état de l'art restent qualitatives (« plus diverses et réalistes »), sans taux de réussite chiffré ni benchmark détaillé, ce qui invite à la prudence tant que les données complètes n'ont pas été examinées par les pairs. L'enjeu dépasse l'exercice académique : la marche sur terrain meuble reste l'un des points faibles récurrents des robots bipèdes, la quasi-totalité des démonstrations publiques de marche se déroulant sur sol rigide et plat. Si l'approche par éléments discrets tient ses promesses de transfert simulation vers réel, elle ouvrirait la voie à des déploiements hors des usines et des trottoirs aménagés, vers des terrains d'intervention d'urgence, de chantier ou d'exploration planétaire, un segment que les intégrateurs et les décideurs industriels surveillent car il conditionne l'extension du marché des humanoïdes au-delà de la logistique en environnement contrôlé. Le travail s'inscrit dans un courant de recherche en robotique locomotrice où le goulot d'étranglement identifié depuis plusieurs années est la fidélité des simulateurs de contact, plutôt que les algorithmes de contrôle eux-mêmes. Aucune entreprise ni marque commerciale n'est associée à cette publication, qui reste au stade de prépublication sans révision par les pairs ni code ou jeu de données rendus publics à ce stade ; les auteurs ne mentionnent aucun calendrier de validation sur une plateforme humanoïde commerciale.

Recherche❖Paper

1 source

36

2726arXiv cs.RO 

Fine-tuning des modèles VLA par contrôle génératif auto-démontré pour la manipulation multitâche

Un article publié sur arXiv fin août 2026 (référence 2608.19490) présente une méthode de finetuning pour les modèles vision-langage-action (VLA), ces politiques robotiques qui combinent perception, langage et contrôle moteur. Le constat de départ : des modèles VLA de pointe comme π0.5, entraînés sur de larges corpus multi-robots, voient leurs performances chuter dès qu'ils sont déployés sur un nouveau robot dont la configuration matérielle diffère de celle de l'entraînement. Le finetuning classique sur des données expertes du nouveau robot corrige la tâche ciblée mais efface la capacité du modèle à suivre des instructions génériques, un oubli catastrophique. Les auteurs proposent que le VLA zero-shot génère lui-même, en ligne, des trajectoires d'interaction supplémentaires pour enrichir ses données de finetuning, sans démonstration humaine additionnelle. La méthode est validée sur un robot bimanuel ALOHA réel et un nouveau benchmark de simulation baptisé RoboTwin, avec des vidéos publiées sur self-supervised-control.pages.dev. Le travail cible un vrai goulot d'étranglement pour l'industrialisation des VLA : spécialiser un modèle fondation sur un robot précis sans sacrifier la polyvalence qui justifie son usage. Pour les intégrateurs, c'est le compromis qui freine aujourd'hui le déploiement de politiques comme π0, GR00T N2 ou Helix sur des lignes hétérogènes, où chaque nouvelle géométrie de bras impose de re-collecter des démonstrations coûteuses, au risque d'effacer les acquis génériques du modèle de base. Si l'approche tient au-delà d'ALOHA et RoboTwin, elle réduirait le coût marginal d'ajout d'un robot ou d'une compétence, en s'appuyant sur les rollouts du modèle plutôt que sur davantage de téléopération humaine. La démarche s'inscrit dans la lignée des VLA ouverte par RT-2 puis consolidée par π0 et π0.5 de Physical Intelligence, OpenVLA, GR00T N2 de NVIDIA ou Helix de Figure AI, tous conçus pour généraliser au-delà d'un seul robot. Le choix d'ALOHA, plateforme bimanuelle open source popularisée par Stanford, ancre l'évaluation dans un cadre reproductible plutôt que dans une démonstration propriétaire, et RoboTwin vise à combler l'absence de benchmark standard pour la généralisation multi-tâches. Aucun partenaire industriel ni calendrier de transfert vers un robot commercial n'est évoqué : il s'agit pour l'instant d'une preuve de concept académique, publiée en preprint et non encore relue par les pairs.

IA physique❧Opinion

1 source

36

2727arXiv cs.RO 

DECOWAM : un modèle monde-action pour la manipulation mobile de robots à pattes

Des chercheurs présentent DECOWAM (Decoupled Whole-Body World-Action Model), un modèle monde-action conçu pour la manipulation mobile sur robots à pattes équipés d'un bras, décrit dans une prépublication arXiv (2608.20114v1) mise en ligne fin août 2026. Le système part d'un backbone FastWAM adapté et gelé, sur lequel sont entraînés uniquement des adaptateurs résiduels, soit 25,95 millions de paramètres entraînables. L'architecture ajoute un goulot d'étranglement futur équivalent-action distillé à partir d'observations privilégiées, des représentations latentes de la base et du bras séparées de manière adversariale, ainsi qu'un conditionnement par la vitesse de la base pour la prédiction vidéo. Les auteurs introduisent également ARMDOG, un nouveau jeu de données collecté sur robot réel qui synchronise vidéo, état corps entier, actions et instructions en langage naturel. Sur un protocole de rejeu fixe, DECOWAM réduit l'erreur quadratique moyenne de prédiction d'action de 21,7% par rapport à FastWAM. Sur 79 essais en boucle fermée par méthode, il obtient la meilleure coordination corps entier et la meilleure robustesse au déplacement de la base parmi les systèmes comparés, tandis que le taux de complétion des tâches reste comparable au meilleur système de référence, sans amélioration nette sur ce critère précis. L'apport principal tient à la séparation explicite du mouvement propre de la caméra (lié au déplacement de la base) des actions du bras, un problème que les modèles monde-action existants, conçus pour des plateformes à base fixe, ignorent largement. Pour les intégrateurs travaillant sur des robots mobiles à bras (quadrupèdes ou plateformes à roues), cela suggère qu'un modèle de prédiction vidéo pré-entraîné peut être adapté à moindre coût, via peu de paramètres, plutôt que réentraîné intégralement pour gérer un point de vue mobile. Le résultat reste toutefois nuancé: les gains portent sur la coordination et la robustesse mesurées en simulation de rejeu, pas sur un saut de performance en complétion de tâche réelle. Le travail se positionne comme une extension aux plateformes mobiles des modèles monde-action initialement développés pour bras fixes, sans nommer de backbone concurrent autre que FastWAM ni d'entreprise partenaire. Il s'agit d'une contribution académique publiée en prépublication, sans annonce de déploiement commercial ni de calendrier de mise en production; le jeu de données ARMDOG pourrait toutefois servir de futur benchmark pour la manipulation mobile corps entier.

Recherche❖Paper

1 source

36

2728arXiv cs.RO 

HiTac-WAM : un modèle hiérarchique d'action du monde tactile pour la manipulation robotique à contacts riches

Un preprint publié sur arXiv le 21 août 2026 décrit HiTac-WAM, un modèle monde d'action tactile et hiérarchique pour la manipulation robotique en contact riche (arXiv:2608.19574v1). Le système décompose la prévision tactile en trois étages successifs, état de contact, champ de déformation 3D, puis risque de glissement, et classe les segments d'action candidats selon ces prévisions avant de déclencher une replanification si l'écart entre tactile prédit et observé persiste à l'exécution. À budget d'entraînement égal, cette hiérarchie réduit l'erreur de déplacement 3D de 17,6% et améliore la détection de glissement de 60,4% par rapport à des prédicteurs non hiérarchiques. Sur trois tâches robotiques réelles, préhension de puces électroniques, effacement de tableau, insertion de connecteur USB, cette sélection fait passer le taux de réussite moyen de 31,1% à 61,1%, et le système complet atteint 72,2%, avec un F1 de contact moyen de 0,921. Ces résultats indiquent qu'une modélisation structurée du signal tactile, plutôt que la représentation en image ou en flux latent utilisée par les approches existantes, améliore nettement la fiabilité de la manipulation en contact riche, un point de friction connu pour l'assemblage fin, l'insertion de connecteurs ou la manipulation d'objets fragiles. Le taux de réussite plus que doublé par rapport à une sélection sans hiérarchie tactile suggère que séparer contact, déformation et glissement capture mieux la physique du contact que les architectures bout en bout existantes, un argument utile pour les intégrateurs cherchant à dépasser la démonstration contrôlée. Pour les équipes travaillant sur des modèles monde ou des architectures vision-langage-action, ce travail illustre une piste pour fiabiliser l'action à partir du retour tactile sans nécessairement accroître le volume de données. Le travail s'inscrit dans la lignée des modèles monde d'action qui prédisent conjointement observations et actions, en corrigeant une limite des variantes tactiles existantes: l'absence de dépendances physiques structurées entre contact, déformation et glissement. Il s'agit à ce stade d'un preprint arXiv nouvellement soumis, validé sur trois tâches de manipulation en laboratoire et non d'un produit déployé ou d'un pilote industriel, sans calendrier de commercialisation annoncé, les gains restant à confirmer au-delà de ces trois tâches.

Recherche❖Paper

1 source

35

2729arXiv cs.RO 

Le déficit de vérification dans l'IA physique en réseau : un cadre de communication post-sémantique

Un article publié sur arXiv (arXiv:2608.19593v1) intitulé "The Verification Gap in Networked Physical AI: A Post-Semantic Communication Framework" formalise un problème jusqu'ici peu outille: une proposition d'action jugée pertinente par un système d'IA physique en réseau n'équivaut pas a une action physiquement justifiée, tant que les preuves valides, a jour et liées a cette proposition, ou l'autorité nécessaire pour la finaliser, ne sont pas réunies. Les auteurs baptisent ce décalage le "vérification gap" et proposent un cadre a plusieurs étages: des exigences de preuve déclarées en amont par l'application, des observations qualifiantes enregistrées comme "évidence records", une validation unique des preuves convergentes et contradictoires, puis une séparation nette entre suffisance de la preuve et finalisation autorisée, cette dernière contrôlée par une porte d'exécution en aval ("runtime gâté"). Le framework distingue le transfert de preuve, qui élargit l'ensemble de données accessible a l'entité chargée de finaliser une action, de la coordination de preuve, qui supprime les transmissions redondantes déjà détenues a ce point terminal. Des contrôles a états finis vérifient que l'évaluateur applique ces distinctions de façon cohérente, et une étude de communication contrôlée révèle une asymétrie selon qui finalise l'action. Pour l'industrie des systèmes robotiques en réseau, ce travail cible un angle mort concret: la plupart des architectures actuelles supposent qu'une décision comprise par un modèle (par exemple une politique VLA) peut être exécutée des qu'elle est produite, sans distinguer explicitement "le système a compris la tache" de "le système dispose des preuves et de l'autorité pour agir en toute sécurité". Pour les intégrateurs et décideurs B2B qui déploient des flottes de robots ou des systèmes multi-agents physiques, cela pointe vers un besoin de gouvernance de la preuve et de gestion de la latence des communications avant toute action irréversible, plutôt que vers la seule performance du modèle de perception ou de planification. L'étude montre notamment que le choix entre transfert et coordination de preuve dépend fortement de qui finalise la décision, et que des contraintes réseau (perte de paquets, latence, fraicheur des données, délais) peuvent forcer un retour a une communication a sens unique, moins robuste. Il s'agit d'une contribution théorique et méthodologique, sans déploiement industriel ni acteur commercial nomme, positionnée dans le champ plus large de la fiabilité et de la vérifiabilité des systèmes d'IA physique en réseau, en complément des travaux sur le sim-to-real et les architectures VLA. Les auteurs proposent enfin un schéma de rapport au niveau de l'épisode, destine a servir de dénominateur commun pour standardiser de futures études empiriques sur l'IA physique, laissant ouverte la validation du cadre sur des déploiements réels au-delà de l'étude de communication contrôlée présentée ici.

Recherche❖Paper

1 source

35

2730arXiv cs.RO 

PVRA : un système de vote par points-clés pour l'assemblage robotique

Des chercheurs publient sur arXiv (identifiant 2608.19968v1) un nouveau framework baptisé PVRA, pour Pointwise Key-point Voting Framework for Robotic Assembly, destiné à l'assemblage robotique autonome. Contrairement aux systèmes de vision par ordinateur actuels qui se limitent à la perception d'objets individuels, PVRA repose sur une représentation par points-clés 3D pour apprendre les dépendances entre pièces au sein d'un assemblage progressif. Le système traite en entrée des données RGB-D (couleur et profondeur) d'une scène d'assemblage et produit des sorties directement exploitables pour piloter la manipulation. Les auteurs ont entraîné et évalué leur réseau modulaire sur un jeu de données dédié à l'estimation de pose pour l'assemblage, puis comparé ses performances à des méthodes de référence centrées sur l'objet, à l'aide d'un ensemble élargi de métriques conçues spécifiquement pour les assemblages progressifs. L'article ne précise ni charge utile, ni degrés de liberté, ni temps de cycle, ni site de déploiement: il s'agit d'une contribution de recherche méthodologique, pas d'un produit commercialisé ni d'un pilote industriel. Pour les intégrateurs et les équipes R&D en robotique industrielle, ce travail illustre une limite reconnue de la perception objet par objet: détecter et localiser chaque pièce ne suffit pas à orchestrer un assemblage multi-étapes, où chaque geste dépend de l'état des connexions déjà réalisées. En modélisant explicitement les dépendances d'assemblage plutôt que les seuls objets, PVRA s'inscrit dans une tendance de fond visant à rapprocher la perception robotique du raisonnement séquentiel nécessaire aux tâches de type peg-in-hole, vissage ou emboîtement, courantes en électronique, en automobile et en petite série manufacturière. Si les gains rapportés se confirment au-delà du jeu de données de test, ce type d'approche pourrait réduire la dépendance à des séquences d'assemblage programmées à la main, un frein connu à l'autonomie des cellules robotisées face à la variabilité des produits. Cette publication s'inscrit dans un courant de recherche plus large sur la perception 3D par points-clés pour la manipulation, domaine où les laboratoires universitaires explorent depuis plusieurs années des alternatives aux pipelines classiques de détection d'objets et d'estimation de pose 6D. Les auteurs situent leur contribution après une analyse comparative des travaux existants en perception centrée sur l'objet et en planification d'assemblage, qu'ils jugent insuffisamment reliés entre eux. L'article, classé comme nouvelle soumission sur arXiv, ne mentionne ni partenariat industriel ni feuille de route de déploiement; les prochaines étapes habituelles pour ce type de travaux académiques restent la publication en conférence, la mise à disposition du code et du jeu de données, puis d'éventuelles reprises par des équipes industrielles pour validation sur des cas réels.

Recherche❖Paper

1 source

34

2731arXiv cs.RO 

Programmation robotique visuelle avec supervision humaine et LLM : « APPROVE

Une équipe de recherche présente APPROVE (AI-Powered Programming for Robots with Visual End-user Feedback), un framework de programmation robotique détaillé dans une prépublication arXiv référencée 2608.19281v1, mise en ligne en août 2026. Le système combine des instructions en langage naturel, une interface par blocs Blockly et une étape explicite de confirmation par l'utilisateur. Un grand modèle de langage (LLM) traduit la demande formulée en langage naturel en un programme robotique, affiché sous forme de blocs modifiables avant toute exécution. L'utilisateur peut alors valider, corriger ou rejeter le code généré plutôt que de le laisser s'exécuter directement. Les fonctions validées sont ensuite stockées dans une bibliothèque réutilisable, permettant de constituer progressivement un ensemble de briques logicielles fiables pour de futures tâches. Cette approche cible des limites documentées des générateurs de code robotique basés sur des LLM: absence de transparence sur ce que le programme fait réellement, absence de mécanisme garantissant l'alignement avec l'intention de l'utilisateur, et faible réutilisabilité des programmes produits. Pour les intégrateurs et les décideurs industriels, l'enjeu dépasse la simple commodité: exécuter directement sur un robot physique du code généré par une IA, sans vérification humaine intermédiaire, pose un risque de sécurité et de confiance qui freine l'adoption. En imposant une confirmation visuelle avant exécution, APPROVE illustre une tendance plus large du secteur à vouloir concilier la flexibilité du langage naturel avec un contrôle humain explicite, plutôt que de traiter le LLM comme une boîte noire de bout en bout. La démarche s'inscrit dans la lignée des interfaces de programmation par blocs, historiquement utilisées pour rendre la robotique accessible aux non-experts mais critiquées pour leur manque de flexibilité face à des tâches complexes. Elle prolonge aussi des travaux récents ayant exploré les LLM pour générer automatiquement des programmes robotiques à partir de langage naturel, une piste jugée prometteuse mais jusqu'ici limitée par l'absence de garde-fous. APPROVE reste à ce stade une contribution de recherche, présentée comme une preuve de concept centrée sur l'utilisateur final, sans mention de déploiement industriel, de partenariat ou de calendrier de commercialisation. L'article la positionne comme une direction de conception plutôt qu'un produit prêt à l'emploi, avec pour priorités affichées la confiance de l'utilisateur, l'alignement d'intention et la réutilisation du code.

Recherche❖Paper

1 source

33

2732arXiv cs.RO 

Planification de tâches et de mouvements guidée par la preuve avec des modèles vision-langage

EAFG (Evidence Acquisition and Feasibility Gating), publié sur arXiv le 20 août 2026 (2608.20084v1), est un framework de planification de tâches et de mouvements (TAMP) pilotée par des modèles vision-langage (VLM) pour robots manipulateurs. Face à une instruction longue, comme cuisiner un plat, le VLM peut halluciner la présence d'objets jamais observés et bâtir des sous-objectifs sur ses connaissances a priori plutôt que sur la perception réelle, causant des échecs d'exécution. EAFG fait d'abord explorer le robot, via des sous-objectifs générés par le VLM et exécutés par TAMP, pour recueillir des preuves visuelles ; une porte de faisabilité décide ensuite de planifier, d'explorer davantage, ou d'arrêter. Sur des tâches culinaires à usage d'objets ambigu, EAFG améliore la complétion des recettes en découvrant les objets pertinents avant de planifier, et réduit les tentatives inutiles quand un objet requis est absent, sans chiffres précis publiés. Cette approche cible un point de friction concret pour l'industrialisation des robots manipulateurs pilotés par VLM : l'écart entre la compréhension sémantique d'une instruction et la vérification géométrique et perceptive de sa faisabilité réelle. Pour les intégrateurs opérant en environnement partiellement observable, un robot qui agit sur des suppositions non vérifiées représente un risque opérationnel, en temps perdu ou en échecs silencieux. En séparant explicitement planifier, explorer et arrêter, EAFG remet en question l'hypothèse implicite de nombreux pipelines VLM+TAMP selon laquelle une seule perception de la scène suffit avant de planifier une tâche longue, une piste utile face au fossé persistant entre démonstrations contrôlées et déploiement fiable. EAFG s'inscrit dans la lignée des travaux combinant VLM et planification robotique, un courant structuré notamment autour d'approches comme SayCan, qui traduisent des instructions en langage naturel en séquences d'actions exécutables. Il s'agit ici d'une contribution académique : aucun robot commercial ni déploiement en production n'est mentionné, et le résumé ne précise pas si les expériences culinaires ont été menées sur un robot physique ou en simulation. La suite logique pour ce type de recherche serait une validation sur des tâches plus longues, dans des environnements moins contrôlés que la cuisine, et une comparaison directe avec d'autres pipelines VLM+TAMP sur des benchmarks partagés.

Recherche❖Paper

1 source

31

2733arXiv cs.RO 

Stratégies de conception pour des robots IA empathiques destinés aux personnes âgées

Un article publié sur arXiv (référence 2510.01192v2, soumis en version révisée et cross-listée) propose une méthodologie de conception pour des robots capables d'exprimer de l'empathie envers les personnes âgées. Les auteurs partent de témoignages recueillis auprès de participants âgés lors d'une étude de terrain et mobilisent des méthodes issues des humanités, notamment la théorie rhétorique, pour identifier un vide dans la façon dont l'empathie est actuellement pensée dans la conception des robots de soin. Le travail s'appuie sur une collection de recherche en humanités numériques consacrée aux robots humanoïdes et aboutit à la proposition d'un vocabulaire de soin empathique, conçu comme un socle méthodologique pour la conception de robots socialement assistifs, ou Socially Assistive Robots (SAR), destinés à soutenir le maintien à domicile des personnes âgées, ce que le secteur désigne sous le terme d'aging-in-place. Aucun prototype matériel, chiffre de performance ou déploiement pilote n'est associé à cette publication, qui relève d'un travail de cadrage conceptuel plutôt que d'une annonce produit. L'intérêt de cette contribution tient au constat qu'elle pose sur l'état de l'art : les approches actuelles de conception en interaction homme-robot intègrent l'empathie de façon marginale, sans cadre théorique structurant, alors même que la crédibilité perçue d'un robot d'assistance auprès d'un public âgé conditionne son acceptation et son usage réel. Pour les fabricants et intégrateurs de robots compagnons destinés au marché du soin aux seniors, un secteur porté par le vieillissement démographique et la pénurie de personnel soignant dans de nombreux pays, ce type de cadre méthodologique offre un outil pour structurer des comportements robotiques perçus comme sincères plutôt que scriptés, un enjeu de confiance souvent négligé face aux promesses technologiques plus visibles comme la mobilité ou la manipulation. Cette publication s'inscrit dans un courant de recherche plus large sur la robotique socialement assistive, où les travaux en sciences humaines et sociales viennent de plus en plus compléter les approches purement techniques de l'ingénierie robotique. Le statut de "replace-cross" indique qu'il s'agit d'une version révisée d'un article déjà déposé, rattachée à une catégorie disciplinaire supplémentaire, signe d'un dialogue croissant entre robotique, gérontologie et humanités numériques plutôt que d'une rupture isolée dans un laboratoire donné.

Recherche❖Paper

1 source

30

2734arXiv cs.RO 

Téléopération bilatérale par ondes entre manipulateurs non linéaires avec retour direct de la force de contact

Des chercheurs ont publié le 21 août 2026 sur arXiv (référence 2608.20043v1) une étude sur la téléopération bilatérale entre manipulateurs robotiques non linéaires à plusieurs degrés de liberté (DOF), en présence de délais de communication constants. Contrairement aux architectures classiques à transformation d'ondes, qui transmettent une force de coordination entre les sites maître et esclave, les auteurs renvoient directement la force de contact mesurée côté distant vers l'opérateur, pour améliorer la transparence haptique de la téléopération. Ce retour de force direct pouvant déstabiliser la boucle fermée, l'équipe caractérise d'abord le déficit de passivité du système distant, modélisé selon le formalisme Euler-Lagrange, via une approche par inégalité matricielle linéaire (LMI). Une loi de communication sur-strictement passive compense ensuite ce déficit calculé, ce qui garantit, sous conditions appropriées, la stabilité de la boucle sous délai ainsi que la synchronisation en position et en force. La méthode est validée par simulation sur des manipulateurs non linéaires à 2 DOF, dans plusieurs configurations. Ce travail s'attaque à un compromis central en téléopération à distance : la transparence, c'est-à-dire la fidélité du ressenti des forces de l'environnement pour l'opérateur, se dégrade généralement dès que les délais augmentent, sur des liaisons satellite, sous-marines ou intercontinentales. Renvoyer la force de contact brute plutôt qu'une force de coordination indirecte vise un ressenti plus réaliste, un enjeu pour la chirurgie robotique à distance, la maintenance nucléaire, l'exploration spatiale ou sous-marine, et plus largement les bras téléopérés en environnement dangereux. Le résultat va à l'encontre de l'idée répandue selon laquelle le retour de force direct serait trop instable hors de systèmes linéaires simplifiés : la preuve formelle par LMI garantit la stabilité même pour des manipulateurs non linéaires multi-DOF sous délai constant. Pour les chercheurs en contrôle, il s'agit toutefois d'une contribution théorique, validée en simulation sur seulement 2 DOF, loin des bras industriels à 6 ou 7 DOF utilisés en conditions réelles. Les architectures à variables d'onde, conçues historiquement pour garantir la passivité des systèmes téléopérés sous délai, transmettent traditionnellement des combinaisons de vitesse et de force plutôt que la force de contact brute, précisément parce que celle-ci est plus difficile à stabiliser. Cette étude prolonge la recherche en théorie de la passivité et en contrôle par LMI appliquée à la robotique, un champ actif face à la multiplication des usages de téléopération à latence variable. Les auteurs ne mentionnent aucun partenariat industriel ni déploiement pilote : la publication reste une contribution académique, fondée sur une preuve mathématique et des simulations numériques, sans validation sur matériel physique ni comparaison chiffrée avec les architectures à transformation d'ondes existantes. Les prochaines étapes attendues porteraient sur l'extension à des manipulateurs à plus haut nombre de DOF et sur des essais avec du matériel réel et des délais variables, avant toute adoption par des fabricants de bras téléopérés ou d'interfaces haptiques.

Recherche❖Paper

1 source

30

2735arXiv cs.RO 

Vers une intelligence incarnée générale : intégrer modèles de langage, bases de connaissances et raisonnement pour les agents IA de nouvelle génération

Une équipe de chercheurs publie sur arXiv (référence 2608.19794v1, article de type "cross-listing") un travail de synthèse intitulé "Towards general embodied intelligence: integrating large language models, knowledge bases, and reasoning capabilities to build the next generation of AI agents". Il ne s'agit pas d'un produit ou d'un robot testé en conditions réelles, mais d'une revue conceptuelle qui analyse la convergence entre grands modèles de langage (LLM), bases de connaissances structurées (KB) et capacités de raisonnement (RA), envisagée comme trajectoire vers une intelligence incarnée générale (général embodied intelligence, GEI). Les auteurs passent en revue les architectures de LLM, leurs méthodes de pré-entraînement et leurs mécanismes d'inférence, ainsi que leur articulation avec des sources de connaissances externes et des cadres de raisonnement logique structuré. Ils examinent également les paradigmes d'intelligence incarnée dans lesquels un agent apprend et agit directement dans un environnement physique. Le papier propose un cadre conceptuel censé illustrer la synergie entre LLM, bases de connaissances, raisonnement et incarnation physique, présenté explicitement comme un modèle directeur pour la perception, le raisonnement et l'action, et non comme une architecture d'ingénierie implémentée ou testée. L'intérêt de ce travail pour l'industrie robotique tient moins à une avancée technique démontrée qu'à la mise en évidence de l'écart persistant entre les promesses des modèles vision-langage-action (VLA) déjà déployés commercialement et les briques encore manquantes pour une véritable autonomie incarnée. En identifiant cinq verrous précis, déploiement efficace des LLM en embarqué, intégration en boucle fermée avec les bases de connaissances, raisonnement hybride symbolique-neuronal, ancrage perception-action, et apprentissage continu, les auteurs formalisent ce que les intégrateurs et décideurs B2B pressentent déjà empiriquement sur le terrain. Ce type de synthèse s'inscrit dans un mouvement plus large de la recherche académique cherchant à consolider, après plusieurs années de publications éparses sur les agents LLM et la robotique fondée sur les modèles de fondation, une feuille de route commune. Le document ne mentionne ni acteur industriel spécifique ni calendrier de déploiement, et se positionne comme une contribution de cadrage théorique destinée à orienter les travaux futurs plutôt qu'à annoncer un système opérationnel.

Recherche❖Paper

1 source

43

2736Interesting Engineering 

Un nouveau modèle robotique apprend des compétences physiques à partir d'une seule démonstration de 3 à 12 secondes

Generalist AI a présenté GEN-1.5, un modèle de fondation pour robots capable d'apprendre une tâche physique à partir d'une seule démonstration de 3 à 12 secondes, sans mise à jour de gradient ni fine-tuning préalable. Testé sur dix tâches de manipulation courtes et simples (dévisser le couvercle d'un bocal en verre, récupérer de l'argent dans un sac à main, empiler des gobelets, balayer des déchets, ouvrir un livre, dézipper une trousse à crayons, retirer un embout d'aspirateur), le modèle atteint un taux de réussite moyen de 59% avec une seule démonstration. Ce taux monte à 83% avec cinq minutes de données spécifiques à la tâche et dix étapes de gradient, soit l'équivalent de 10 à 50 démonstrations. GEN-1.5 est un modèle multimodal traitant vidéo, données de capteurs, langage et proprioception, qui conserve 30 secondes de contexte et génère des trajectoires d'action à 100 Hz. La démonstration, capturée via des pinces tenues à la main ou exécutée par le robot lui-même, sert de "prompt physique" placé dans la fenêtre de contexte du modèle. Cette approche s'oppose à l'entraînement robotique classique, où chaque nouvelle tâche exige habituellement des données spécifiques abondantes et des cycles d'optimisation répétés. Generalist AI affirme ne pas avoir spécifiquement entraîné GEN-1.5 à l'apprentissage en contexte, ni ajouté de boucles de méta-apprentissage ou de modifications architecturales dédiées, ce qui rend le résultat notable dans le champ des modèles vision-langage-action (VLA). Pour les intégrateurs industriels, la promesse est une baisse du coût de déploiement: montrer un geste une fois plutôt que réentraîner un robot pour chaque nouvelle référence. Le modèle a aussi enchaîné deux prompts physiques distincts, dézipper une trousse puis en extraire de l'argent, en générant lui-même les mouvements de transition absents des démonstrations, et a transféré un geste appris en simulation vers un robot réel sans données simulées dans son pré-entraînement, ce qui va dans le sens d'un fossé sim-to-real partiellement comblé. Les taux annoncés (59% à 83%) restent toutefois loin des standards de fiabilité industrielle, et l'évaluation, menée en interne sur des tâches volontairement simples, n'a pas été validée de façon indépendante. Generalist AI s'inscrit dans la vague de laboratoires développant des modèles de fondation généralistes pour la robotique, aux côtés d'acteurs comme Physical Intelligence ou NVIDIA, qui poursuivent des objectifs similaires de réduction de l'entraînement tâche par tâche. Le modèle a montré des comportements improvisés: après avoir appris à balayer un bloc vers un bol avec une brosse, il a utilisé une banane en substitut, puis développé une stratégie différente (soulever et verser) avec une pelle à poussière. Un test a montré le robot reproduire, avec ses propres mains, un geste démontré par un humain visible via ses caméras. Ces résultats relèvent pour l'instant de la démonstration de recherche, sans date de disponibilité, pilote industriel ni déploiement en usine annoncé. L'entreprise les présente comme une étape vers une reprogrammation des robots par simple démonstration plutôt que par instructions codées, un pari qui reste à confirmer hors des tests contrôlés en laboratoire.

IA physique⚡Actu

1 source

42

2737Interesting Engineering 

Une entreprise chinoise déploie 1 000 robots en conditions réelles pour cuisiner, inspecter et distribuer des médicaments

La société chinoise RealMan Robotics, basée à Pékin, a présenté lors de la World Robot Conference (WRC) 2026 son initiative de déploiement baptisée Global Link Network (GLN), avec l'objectif de faire fonctionner près de 1 000 robots RealBOT dans des environnements de travail réels au cours de l'année 2026. Sur son stand, l'entreprise a fait la démonstration de tâches variées : récupération et réapprovisionnement de médicaments dans une pharmacie intelligente, inspection d'une salle de distribution électrique, préparation de pâtisseries aux côtés de chefs humains, et opération à distance de son usine d'intelligence incarnée à Changzhou. Le réseau GLN permet à des opérateurs humains de piloter les robots à distance, avec une latence annoncée de l'ordre de la milliseconde sur des milliers de kilomètres. RealMan a par ailleurs obtenu la certification CR L3 délivrée par le Shanghai Robot Industry Technology Research Institute, et affirme que ses bras robotiques humanoïdes légers atteignent un temps moyen entre pannes (MTBF) de 50 000 heures. En partenariat avec le spécialiste du toucher artificiel PaXini, l'entreprise développe aussi un bras RM75 à sept degrés de liberté équipé d'un capteur de force six axes, de capteurs de couple articulaire et de capteurs tactiles multidimensionnels. Pour comparaison, l'américain Figure AI avait réalisé en mai un livestream autonome de 200 heures durant lequel ses robots Figure 03 ont traité près de 250 000 colis sans panne matérielle. Cette initiative illustre un basculement plus large dans la robotique : passer de démonstrations contrôlées en laboratoire à une exploitation continue en conditions réelles, en pharmacie, en usine ou à domicile. Le modèle de téléopération du GLN ouvre la voie à une forme de travail robotique distribué, où une compétence humaine spécialisée pourrait être livrée à distance via un robot, tout en générant en continu des données de perception, de manipulation et de décision qui alimentent l'amélioration des modèles. Pour les intégrateurs et décideurs industriels, l'enjeu est moins la performance ponctuelle d'un robot que sa fiabilité à grande échelle et dans la durée, ce que la certification CR L3 et le chiffre de MTBF cherchent à démontrer, même si ces métriques restent auto-déclarées et non vérifiées de façon indépendante. L'objectif de 1 000 unités reste pour l'instant une annonce et non un déploiement effectif : il faudra suivre son exécution réelle en 2026 pour juger si RealMan comble l'écart entre démonstration scénarisée et usage industriel répété, un test que peu d'acteurs humanoïdes ont franchi à cette échelle. RealMan Robotics s'inscrit dans la vague des fabricants chinois de bras et de systèmes robotiques cherchant à sortir des salons professionnels pour s'ancrer dans des usages commerciaux récurrents, aux côtés d'acteurs comme Unitree ou UBTech sur le segment humanoïde chinois. Face à elle, la concurrence internationale suit des trajectoires différentes : Figure AI mise sur l'autonomie complète en environnement logistique aux États-Unis, tandis que d'autres laboratoires développent des modèles génériques de type vision-langage-action. Le partenariat avec PaXini sur le retour de force et le toucher vise une limite connue des bras industriels, la précision de manipulation en environnement non structuré, un axe également travaillé par les acteurs occidentaux. La suite dépendra du rythme réel de déploiement des RealBOT via le réseau GLN en 2026, et de la capacité de RealMan à publier des données vérifiables sur les volumes traités et les taux de panne, plutôt que des démonstrations isolées lors d'événements comme le WRC.

Chine/Asie❧Opinion

1 source

48

2738TechNode 

Unitree devient la première entreprise de robots humanoïdes à entrer en bourse en Chine

Unitree Robotics a fait ses débuts mercredi sur le STAR Market de la Bourse de Shanghai sous le ticker 688836.SH, le même jour que l'ouverture de la World Robot Conference 2026 à Pékin. L'entreprise, fondée en 2016 par Wang Xingxing, a fixé le prix de son introduction en bourse à 150,80 yuans (22,41 dollars) par action, émettant 40 446 434 actions A nouvelles pour lever environ 6,099 milliards de yuans (910 millions de dollars). Unitree n'a pas commencé avec les humanoïdes : ses premiers produits commerciaux ont été des robots quadrupèdes, les séries Go, A et B, déployés dans la recherche, l'éducation et l'inspection industrielle. Ce segment a généré 92,82 millions de yuans (13,79 millions de dollars) de revenus en 2022, montant à 698 millions de yuans (103,72 millions de dollars) en 2025. La bascule est venue des humanoïdes : leurs revenus n'étaient que de 2,96 millions de yuans (440 000 dollars) en 2023, moins de 2 % du chiffre d'affaires total, avant de bondir à 868 millions de yuans (128,98 millions de dollars) en 2025, soit plus de 51 % des revenus, portés par les modèles H1 et G1. Au total, Unitree a affiché 1,699 milliard de yuans (250 millions de dollars) de chiffre d'affaires et 278 millions de yuans (41,31 millions de dollars) de bénéfice net en 2025. Cette entrée en bourse fait d'Unitree la première entreprise de robots humanoïdes cotée en Chine, un jalon symbolique alors que le secteur cherche à passer des démonstrations en laboratoire ou en salon à une phase de production et de vente réelles. Au moment où la plupart des acteurs du humanoïde opèrent encore à perte, la rentabilité affichée par Unitree offre aux investisseurs un point de référence concret pour évaluer un marché encore largement spéculatif. Mais cette réussite commerciale ne garantit pas un avantage durable : la force de l'entreprise reste concentrée sur la conception mécanique, les moteurs et le contrôle de mouvement, des domaines qu'elle maîtrise depuis dix ans. La bataille se déplace désormais vers l'intelligence embarquée, soit la capacité des robots à percevoir leur environnement, prendre des décisions et exécuter des tâches non programmées à l'avance, un terrain où le matériel seul ne suffit plus. L'histoire d'Unitree explique cette position hybride : en quittant un laboratoire universitaire en 2016, Wang Xingxing a misé sur les quadrupèdes, plus simples à industrialiser que les humanoïdes à l'époque, pour construire une base de revenus avant l'explosion de la tendance humanoïde. Cette stratégie progressive contraste avec des concurrents qui ont visé directement l'humanoïde sans revenus récurrents établis en amont. L'IPO coïncide avec l'ouverture de la World Robot Conference 2026 à Pékin, où constructeurs automobiles, entreprises de robotique et acteurs de l'IA présentent leurs efforts vers la production de masse et le déploiement réel. Pour Unitree, l'étape suivante consistera à transformer son avance matérielle en capacités logicielles et cognitives comparables à celles des modèles développés par ses concurrents, une compétition qui ne fait que commencer.

Chine/Asie❧Opinion

1 source

48

2739Pandaily 

Après 4 mois d'entraînement en usine automatisée, Xiaomi dévoile son robot humanoïde nouvelle génération

Le 19 août 2026, à la World Robot Conference, Xiaomi a présenté la nouvelle génération de son robot humanoïde, sous le nom de code Tieda, après quatre mois d'entraînement dans une usine automobile. Il mesure 1,70 mètre, pèse 66 kilogrammes et compte 66 degrés de liberté, dont 33 dans les mains, avec un corps gris clair intégré et une tête casquée argent mat. Sur scène, il a joué les fleuristes, saisissant et remettant des bouquets à des visiteurs, serrant des mains et faisant des checks, gestes pilotés par l'IA plutôt que scriptés. Toujours prototype, il partira ensuite vers l'Europe. Appuyé sur le modèle open source Xiaomi-Robotics-0, il a vissé de façon autonome des écrous autotaraudeurs et manutentionné des bacs de pièces, avec un taux de réussite de 90,2% sur trois heures dans un atelier de moulage, respectant une cadence de 76 secondes ; en juillet, Xiaomi a montré des progrès sur le tri de pièces souples et le pliage de cartons, portant le taux de réussite au vissage à 98%. Cette démonstration marque une bascule dans la course aux humanoïdes industriels : plutôt qu'une vidéo de salon, Xiaomi avance des indicateurs mesurés en conditions réelles, cadence et taux de réussite sur plusieurs heures, ce qui la distingue des séquences habituellement sélectionnées du secteur. Ces chiffres restent à relativiser : trois heures sur un seul poste ne valent pas un déploiement en production continue, et Xiaomi ne communique ni volume de robots affectés en usine ni calendrier de commercialisation. L'intérêt est surtout la validation d'une architecture perception-langage-action associée à un système hybride cerveau plus cervelet sur des tâches très répétitives, terrain où la plupart des humanoïdes concurrents peinent encore à sortir du laboratoire. Le robot sert avant tout à réduire les coûts de fabrication des propres usines de Xiaomi. Xiaomi s'est lancé dans la robotique humanoïde vers 2021 et avait dévoilé dès 2022 une première génération, CyberOne Tieda, avec 21 degrés de liberté pour le corps entier mais centrée sur l'interaction, loin des capacités industrielles visées aujourd'hui. Le nouveau modèle repose sur une architecture bipède pleine taille, une vision de profondeur Mi-Sense interne, et le modèle open source Xiaomi-Robotics-0 ; en juillet, Lei Jun avait indiqué que le modèle Xiaomi-Robotics-1 s'était classé premier mondial sur les benchmarks Robocasa365 et RoboDojo. Le 18 août, Xiaomi a publié ses résultats du deuxième trimestre 2026 : chiffre d'affaires de 108,9 milliards de yuans, en repli de 6,1% sur un an mais en hausse de 9,9% sur trois mois, et R&D de 9,23 milliards de yuans, en hausse de 18,9%, concentrée sur les véhicules électriques intelligents et l'IA. L'activité robotique reste au stade de prototype, sans revenu externe, sa valeur résidant pour l'instant dans la réduction des coûts industriels plutôt que dans la commercialisation.

Chine/Asie⚡Actu

1 source

48

2740Pandaily 

L'année la plus effervescente pour l'IA incarnée, mais l'évolution des robots reste imperceptible à l'œil nu

En août 2026, la World Robot Conference (WRC) a de nouveau réuni des dizaines d'humanoïdes dansant, combattant, saisissant des objets et triant des pièces, aux côtés de bras robotiques manipulant des lignes simulées. Selon Counterpoint Research, les livraisons mondiales d'humanoïdes ont dépassé 22 000 unités au premier semestre 2026, en hausse de près de 300%, avec une projection annuelle supérieure à 50 000 unités. AgiBot a livré environ 9 700 robots, Unitree plus de 7 000 (soit 31% du marché), et Galaxy General plus de 1 100, les cinq premiers acteurs captant 86% du marché. Par usage, le divertissement représente 33,6% des déploiements et la production de données/recherche 27%, soit plus de 60% à eux deux, contre seulement 12,8% pour la fabrication industrielle et 4,9% pour la logistique d'entrepôt. Unitree a présenté un robot atteignant 12,65 mètres par seconde, tandis que Galaxy General a entraîné son humanoïde bipède ET1 à partir d'environ 100 000 heures de données de mouvement humain, avec un système nommé WAM-TTT permettant à un robot d'apprendre une nouvelle tâche en observant des opérateurs sur site ; l'entreprise revendique un déploiement dans plusieurs dizaines d'usines du fabricant de batteries CATL, au-delà du simple test à une machine. Ces chiffres masquent un constat plus inconfortable pour le secteur : les tâches démontrées (saisir une tasse, plier du linge) restent quasiment identiques d'une édition à l'autre du salon, malgré l'explosion du nombre de robots présentés. Le fondateur d'Unitree, Wang Xingxing, résume le vrai obstacle : dans un environnement fixe et avec assez de données, un robot peut approcher 100% de réussite, mais un simple changement d'objet fait chuter la performance, preuve que la généralisation, et non la motricité, reste le goulot d'étranglement. Il fixe le seuil décisif à 80% de réussite sur des tâches inédites, données par instruction en langage naturel dans un environnement jamais vu, comme condition d'une véritable explosion commerciale. Wang He, fondateur de Galaxy General, compare l'état actuel des modèles incarnés à GPT-2 et anticipe un niveau proche de GPT-3.5 à GPT-4 d'ici 2028, ce qui questionne directement la promesse d'un modèle générique déployable sans réentraînement massif par site. Sur le plan concurrentiel, Unitree mise sur le contrôle moteur, l'ingénierie mécanique, les coûts et les volumes, mais ses robots restent surtout vendus à la recherche et à l'éducation, poussant l'entreprise à réorienter ses investissements vers les modèles d'IA. Galaxy General, positionné sur les modèles fondation incarnés, cherche à prouver que l'apprentissage d'une tâche peut se répliquer sur des centaines de sites, comme l'illustre son déploiement multi-usines chez CATL, un test de passage à l'échelle que le secteur observe de près avant tout pari sur une adoption industrielle massive d'ici 2028.

Chine/Asie❧Opinion

1 source

35

2741Interesting Engineering 

Nori A3 : nouveau robot humanoïde américain dévoilé pour les tâches ménagères, à seulement 1 688 dollars

Nori Robotics, startup basée à San Francisco, a dévoilé le Nori A3, un robot humanoïde assemblé aux États-Unis et vendu 1688 dollars, un prix nettement inférieur aux plateformes concurrentes. Les premières unités ont été expédiées le 21 juillet, et un second lot, présenté comme limité, doit être livré à l'automne. Contrairement aux humanoïdes bipèdes comme Optimus ou Figure 03, le Nori A3 repose sur une base à roues, avec un corps central capable de monter et descendre pour positionner tête et bras, totalisant 19 degrés de liberté. Il peut soulever jusqu'à 55 kilogrammes à la verticale, mais sa charge utile chute à 1,5 kilogramme bras tendus. Pour la perception, il embarque un lidar et quatre caméras 720p réparties sur les mains, la tête et le cou, complétées par un haut-parleur et un microphone pour les commandes vocales, pour une autonomie de six à huit heures. Nori Robotics annonce qu'il peut aller chercher de la nourriture au réfrigérateur, verser des boissons, charger un lave-vaisselle et plier du linge, et met en avant un Skill Marketplace permettant aux utilisateurs de partager ou d'installer des compétences développées par la communauté. Le positionnement tarifaire du Nori A3 rompt avec la norme du secteur, où les humanoïdes à usage domestique ou industriel se négocient généralement à six chiffres. Si ses capacités restent modestes face aux plateformes bipèdes haut de gamme, sa combinaison de capteurs, de manipulation et d'un écosystème logiciel ouvert pourrait en faire une porte d'entrée accessible pour des développeurs, chercheurs et petites équipes souhaitant expérimenter avec l'IA physique sans investissement massif. Cela dit, l'annonce d'un premier lot écoulé rapidement reste une déclaration de l'entreprise elle-même, non vérifiée de façon indépendante, et Nori Robotics a historiquement produit en très petites séries, ce qui laisse planer un doute sur sa capacité à tenir un rythme de production soutenu si la demande augmente. La distinction entre un produit réellement expédié depuis le 21 juillet et une disponibilité à grande échelle reste donc à confirmer. Cette annonce s'inscrit dans une vague plus large d'humanoïdes destinés au grand public, à mesure que des acteurs comme Tesla, Figure AI ou 1X explorent des usages domestiques avec des architectures nettement plus coûteuses et souvent bipèdes. En choisissant une base à roues plutôt qu'une locomotion bipède, Nori Robotics simplifie la mécanique et réduit les coûts, au prix d'une mobilité plus limitée dans les environnements encombrés. Le pari de la société repose sur l'idée qu'un accès matériel bon marché, combiné à une plateforme de compétences partagées, peut accélérer l'adoption et l'expérimentation logicielle plus vite que les plateformes premium. La suite dépendra de la capacité de Nori Robotics à industrialiser sa production au-delà de lots limités et à démontrer, au-delà des tâches ménagères de démonstration, une fiabilité suffisante pour un usage domestique quotidien.

Humanoïdes⚡Actu

1 source

38

2742TechNode 

Chery lance les préparatifs d'introduction en Bourse de sa filiale robotique AiMOGA, visant les marchés étrangers

AiMOGA Robotics, filiale robotique incubée par le constructeur automobile chinois Chery depuis janvier 2025, a entamé les préparatifs d'une introduction en bourse autonome et discute de plusieurs places de cotation possibles, sans calendrier ni marché arrêtés. Sa direction indique qu'une cotation financerait les investissements technologiques et l'expansion internationale. L'entreprise affirme avoir livré plus de 3 000 robots dans le monde, dont 2 000 hors de Chine, avec des activités dans plus de 60 pays et régions. Elle vise 10 000 livraisons mondiales l'an prochain et a déployé 110 robots humanoïdes policiers dans plusieurs villes chinoises. Cette annonce illustre la montée des constructeurs automobiles chinois dans la robotique humanoïde, Chery rejoignant BYD, Xiaomi ou Xpeng dans une course à l'échelle industrielle. Pour les intégrateurs et décideurs du secteur, les volumes avancés, plus de 3 000 unités livrées et un objectif de 10 000 l'an prochain, visent à démontrer une traction commerciale réelle, même si ces chiffres restent auto-déclarés et non vérifiés. Le projet de cotation demeure préparatoire : aucune place boursière ni date n'a été confirmée. AiMOGA a été incubée par Chery en janvier 2025, dans un paysage chinois de la robotique de service et humanoïde déjà occupé par Unitree, Fourier Intelligence et UBTech, cette dernière ayant elle aussi fourni des robots à usage policier. À l'international, la concurrence inclut notamment Figure AI et Tesla avec Optimus. Les prochaines étapes attendues sont le choix de la place de cotation et la poursuite de l'expansion vers l'objectif de 10 000 livraisons annuelles.

Chine/Asie⚡Actu

1 source

47

2743TechNode 

Unitree lance un bras dextérique à sept axes, à partir de 9 900 RMB

Unitree Robotics a lancé le R1, un bras robotique dextre à sept axes, à un prix de départ de 9 900 yuans (environ 1 300 dollars). Selon le fabricant chinois, l'appareil affiche une précision de répétabilité d'environ 0,1 millimètre, des vitesses articulaires maximales dépassant 180 degrés par seconde, une portée maximale de 650 millimètres lorsqu'il est équipé d'une main dextre, et une charge utile nominale de 2 kilogrammes pour un poids total de 5,5 kilogrammes. Le bras intègre un retour de force et une détection de collision, fonctionne sous un environnement de développement basé sur Ubuntu, et prend en charge les interfaces XT30 et CAN485. Unitree a précisé son intention d'ouvrir le code source du logiciel de contrôle et des interfaces du bras, en visant des applications dans la recherche, l'éducation, l'assemblage industriel et les robots de service. Ce lancement illustre la stratégie de démocratisation agressive d'Unitree, qui applique au segment des bras robotiques la même logique tarifaire que celle déjà employée pour ses robots quadrupèdes et humanoïdes, historiquement vendus à des prix nettement inférieurs à ceux des concurrents occidentaux. Pour les intégrateurs et les laboratoires de recherche, un bras à sept axes avec retour de force sous la barre des 1 500 dollars, potentiellement open-source, abaisse considérablement le coût d'entrée pour prototyper des applications de manipulation fine, ce qui pourrait accélérer l'expérimentation académique et industrielle à petite échelle, tout en mettant une pression tarifaire supplémentaire sur les fournisseurs de bras collaboratifs établis. Unitree s'est imposé ces dernières années comme l'un des acteurs chinois les plus visibles de la robotique grand public et industrielle, en particulier grâce à ses robots quadrupèdes (série Go) et humanoïdes (série G1, H1) vendus à des prix disruptifs. Le R1 s'inscrit dans cette même logique d'extension de gamme vers la manipulation, un segment où des acteurs comme Franka Robotics ou les bras collaboratifs Universal Robots dominent traditionnellement en Occident. L'annonce ne précise ni date de disponibilité commerciale généralisée, ni volumes de production, et reste pour l'instant un lancement produit plutôt qu'un déploiement documenté sur le terrain.

Chine/Asie❧Opinion

1 source

42

2744arXiv cs.RO 

Une stratégie de contrôle universelle pour l'assistance dynamique avec des exosquelettes souples à actionnement pneumatique

Des chercheurs présentent, dans un preprint arXiv (2608.18364v1), une stratégie de commande pour exosquelettes souples actionnés par muscles pneumatiques artificiels, destinés à la rééducation, à l'augmentation de force et à l'assistance aux gestes quotidiens. La méthode, dite à « plante inverse », repose uniquement sur des capteurs cinématiques, sans électromyographie ni capteurs de force pour interpréter l'intention de l'utilisateur. Le système humain-robot est modélisé par un modèle de Hammerstein, combinant un modèle d'hystérésis de Preisach et un filtre linéaire invariant dans le temps, personnalisé pour chaque utilisateur à partir de seulement 140 secondes de données puis inversé pour s'intégrer dans la boucle de commande. Sur un banc d'essai émulant un exosuit d'assistance au poignet, pour des vitesses allant de 8 à 120 degrés par seconde, le contrôleur réduit le couple d'interaction jusqu'à 73 % et l'activation des muscles fléchisseurs et extenseurs clés jusqu'à 47 %, comparé à une condition sans assistance. L'intérêt de ces résultats tient à l'absence de capteurs physiologiques ou de force, un verrou récurrent pour les exosquelettes souples : les actionneurs pneumatiques présentent une dynamique complexe, hystérésis et bande passante limitée, qui complique traditionnellement une assistance réactive à l'intention de l'utilisateur. Une approche qualifiée de « task-agnostic », fonctionnant sans reprogrammation par geste et calibrable en un peu plus de deux minutes, intéresse directement les fabricants d'exosquelettes de rééducation et d'augmentation industrielle cherchant à simplifier le calibrage et réduire l'instrumentation embarquée. Pour les intégrateurs en ergonomie industrielle ou en réadaptation, cela ouvre la voie à des dispositifs plus légers et moins coûteux à équiper, tout en conservant une réduction mesurable de l'effort musculaire sur une large plage de vitesses de mouvement. Ce travail s'inscrit dans la recherche sur les muscles pneumatiques artificiels, appréciés pour leur légèreté et leur compliance intrinsèque mais historiquement difficiles à commander avec précision en raison de non-linéarités comme l'hystérésis. Les approches concurrentes s'appuient généralement sur l'électromyographie de surface ou des capteurs de force pour estimer l'intention motrice, au prix d'une calibration plus lourde et d'un coût matériel plus élevé. Il faut noter que la validation présentée reste une preuve de concept en laboratoire, réalisée sur un banc d'essai émulant un poignet et non lors d'essais sur des porteurs réels en conditions quotidiennes, et que la publication n'a pas encore fait l'objet d'une revue par les pairs. Les auteurs évoquent une extension possible à d'autres articulations, en vue d'essais utilisateurs plus larges pour confirmer le transfert vers des usages réels de rééducation ou d'assistance industrielle.

Exosquelettes❖Paper

1 source

42

2745arXiv cs.RO 

SoftVTBench : un jeu de données et un benchmark visuo-tactiles pour la manipulation d'objets déformables

SoftVTBench, jeu de données visuo-tactile pour la manipulation d'objets déformables, a été publié le 20 août 2026 sur arXiv (2608.18701). Il réunit 4 000 démonstrations expertes sur plus de 50 objets, dont des objets déformables volumétriques et leurs jumeaux rigides visuellement identiques. À 20 Hz, chaque épisode synchronise RGB multi-vues, capteurs tactiles RGB, suivi de marqueurs sur les deux doigts du gripper, proprioception, instructions en langage naturel, actions de préhension, et des états de référence par éléments finis (FEM) réservés à l'évaluation. Le benchmark associé introduit le Deformation-aware Success Rate (DSR), qui ne valide un essai que si la tâche réussit sans dépasser une tolérance de déformation calibrée par objet. Sur Diffusion Policy, π0.5 et FastWAM, les 12 configurations testées comptent toutes des succès classiques qui violent en réalité cette tolérance, dans 0,7% à 24% des cas. Sous changement de distribution, les versions avec toucher font mieux en réussite (six comparaisons sur six) et en DSR (cinq sur six), un avantage plus incertain en distribution. Le message clé pour l'industrie: un taux de réussite binaire masque des comportements physiquement problématiques, glissement ou compression excessive, un enjeu direct pour les intégrateurs manipulant des produits fragiles (agroalimentaire, textile, emballage, médical). Plus notable, ajouter des capteurs tactiles n'améliore pas automatiquement la manipulation: le gain n'est net que sous changement de distribution, signe que la fusion visuo-tactile reste un problème d'ingénierie non résolu plutôt qu'un simple avantage matériel. Cela nuance le discours courant sur les architectures vision-langage-action, où le toucher est souvent présenté comme un bonus de robustesse automatique. L'absence de jeux de données associant observations exploitables par une politique et vérité terrain physique indépendante était jusque-là le principal obstacle à une évaluation fine de l'interaction, la plupart des benchmarks existants se limitant à un succès binaire de tâche. SoftVTBench se positionne comme ressource commune pour étudier non seulement si une politique réussit, mais comment elle interagit physiquement avec un objet mou et quand le toucher améliore réellement cette interaction. Il s'agit d'une publication de recherche, sans annonce de déploiement industriel ni partenariat constructeur, et sans acteur français ou européen identifié dans cette étude.

Recherche❖Paper

1 source

41

2746arXiv cs.RO 

GigaBrain-WBC-0.5 : un modèle du monde comportemental pour un contrôle corporel robuste avec interaction environnementale

Des chercheurs ont publié le 20 août 2026 (arXiv:2608.18234v1) GigaBrain-WBC-0.5, présenté comme le premier "Behavior World Model" (BWM) pour le contrôle corps entier de robots humanoïdes. Contrairement aux trackers de mouvement classiques, entraînés sur sol plat et incapables d'apprendre comment le contact avec le terrain ou des objets modifie leur dynamique, ce système repose sur un Transformer causal qui prédit simultanément sa prochaine action, son prochain état et la distribution de ses prochaines commandes comportementales latentes. Un pipeline d'annotation automatique reconstruit la géométrie de contact 3D à partir de mouvements retargetés, permettant d'annoter des jeux de données de mouvement à grande échelle sans travail manuel. Cette distribution prédite sert aussi en déploiement à détecter les commandes jugées implausibles et à les ramener vers des comportements appris, pour une exécution en mode "best effort". Face à trois trackers de référence à grande échelle, GigaBrain-WBC-0.5 obtient les meilleurs taux de réussite sur les quatre régimes testés: 81,3% en interaction avec le terrain (4,3 fois le meilleur concurrent), 83,1% sous commandes implausibles et 99,3% en récupération après chute (16,8 fois le meilleur concurrent). Des essais matériels montrent une robustesse face aux appuis manquants et aux perturbations; le modèle entraîné sur le Unitree G1 se transfère au robot Maker L01 avec un simple fine-tuning. Pour l'industrie robotique, ce travail s'attaque à un angle mort récurrent: la plupart des trackers actuels fonctionnent bien en démo sur sol lisse mais s'effondrent dès que le terrain devient irrégulier ou que des objets entrent en jeu, un écart entre démonstration et déploiement réel que le secteur peine encore à combler. En modélisant explicitement comment l'environnement contraint les comportements possibles, plutôt qu'en empilant des corpus de mouvements toujours plus vastes, l'approche ouvre une piste pour rendre les humanoïdes plus fiables hors des environnements contrôlés, entrepôts encombrés ou chantiers compris. Le taux de récupération après chute à 99,3% pèse particulièrement pour les intégrateurs, chaque chute non gérée interrompant généralement une tâche. La portabilité démontrée entre le Unitree G1 et le Maker L01 suggère par ailleurs une indépendance vis-à-vis du matériel, un enjeu commercial pour les fournisseurs de "cerveaux" robotiques. Ce travail s'inscrit dans la lignée des modèles vision-langage-action et des "world models" appliqués à la robotique, aux côtés d'approches comme GR00T N2 de NVIDIA, Helix de Figure AI ou Pi-0 de Physical Intelligence, qui visent toutes une couche de contrôle plus généraliste que les trackers traditionnels. GigaBrain-WBC-0.5 cible spécifiquement le contrôle bas niveau corps entier, un maillon souvent traité comme un simple suivi de trajectoire dans les piles logicielles concurrentes. Les trois trackers de référence comparés ne sont pas nommés dans le résumé, ce qui limite la comparaison directe avec des systèmes commerciaux connus. Aucun calendrier de déploiement industriel n'est mentionné: il s'agit d'une publication de recherche accompagnée d'essais matériels limités, pas d'un produit commercialisé.

IA physique❖Paper

1 source

40

2747arXiv cs.RO 

Retour sur la tâche de manipulation « Push-T » avec la robotique à base d'agents

Un article publié le 20 août 2026 sur arXiv (référence 2608.18227v1) revisite Push-T, benchmark de référence pour l'apprentissage de politiques de manipulation par démonstration humaine, dans lequel un robot doit pousser un bloc en forme de T jusqu'à une pose cible en n'utilisant qu'un seul point de contact. Les auteurs ont chargé un agent de codage LLM, Claude Code associé au modèle Fable 5, de produire une solution algorithmique sans aucune donnée de démonstration. L'agent a retrouvé de lui-même la simulation 2D Gym du benchmark en ligne, mené des expériences simulées pour apprendre la mécanique de poussée, puis optimisé itérativement son code jusqu'à atteindre 100% de réussite avec 46% d'étapes en moins que la meilleure politique de diffusion entraînée sur 200 démonstrations humaines. Il a ensuite étendu la tâche à tout l'alphabet, de Push-A à Push-Z, via un curriculum auto-généré, et produit des simulations 3D avec retour visuel pour les bras robotiques Franka et UR5. Vidéos, politiques et détails complets doivent encore être publiés en ligne. Ce résultat interroge une hypothèse centrale du secteur, selon laquelle la manipulation robotique fine passe nécessairement par l'apprentissage par imitation ou par des modèles vision-langage-action entraînés sur de vastes jeux de démonstrations, à l'image de Pi-0, GR00T N2 ou Helix. Ici, un agent de codage génère un contrôle explicite et interprétable qui surpasse une politique de diffusion apprise, sans collecte de données préalable, ce qui intéresse directement les intégrateurs et équipes de R&D cherchant à réduire le coût et le délai de déploiement sur des tâches bien spécifiées. Le succès reste toutefois circonscrit à un benchmark 2D très étudié : l'extension à des simulations 3D avec Franka et UR5 constitue un pas vers la généralisation, mais aucune validation sur robot physique réel n'est rapportée, ce qui limite la portée immédiate pour la production. Push-T tire son origine des travaux sur la Diffusion Policy, qui en avaient fait un banc d'essai standard pour comparer les politiques de manipulation apprises. Ce court article se positionne dans le champ émergent de la « robotique agentique », où des agents de codage basés sur des LLM, comme Claude Code, sont testés comme alternative aux pipelines d'apprentissage par imitation qui dominent aujourd'hui la robotique humanoïde et les bras manipulateurs. Aucun laboratoire ni entreprise autre qu'Anthropic, via son modèle Fable 5, n'est cité dans le résumé, et aucune date de publication des vidéos et politiques associées n'est encore précisée. L'étude reste à ce stade une preuve de concept en simulation, sans pilote industriel ni déploiement matériel confirmé.

Recherche❖Paper

1 source

39

2748arXiv cs.RO 

ADEPT : accélérer la dextérité par pré-entraînement et post-entraînement via apprentissage par renforcement

ADEPT, pour Accelerating Dexterity via Pre-Training and Post-Training using Reinforcement Learning, est un système d'apprentissage par renforcement (RL) à grande échelle décrit dans un preprint publié sur arXiv en août 2026 (référence 2608.19182), qui transfère une dextérité robotique du simulateur au monde réel sur des bras et mains à haut nombre de degrés de liberté (DoF). La méthode pré-entraîne une politique générique de repositionnement d'objets, puis affine des politiques spécialisées à partir de ce socle commun, évitant de réapprendre les mêmes compétences de base pour chaque nouvelle tâche. Elle a été testée sur deux plateformes : un bras Kuka couplé à une main Allegro (23 DoF, deux caméras RGB) et un bras Flexiv associé à une main Sharpa (29 DoF, deux caméras RGB et cinq capteurs tactiles à base de vision). Les politiques finales, distillées en modèles perceptifs compacts, exécutent des tâches longues à partir d'états initiaux difficiles, à une vitesse proche du niveau humain, avec un transfert direct vers le réel sans réentraînement supplémentaire. Ce travail répond à un problème connu du RL appliqué à la robotique dextre : un simple réglage fin de la politique pré-entraînée dégrade rapidement les capacités acquises lors du transfert vers une nouvelle tâche. Pour l'éviter, les auteurs combinent distillation par clonage comportemental, préchauffage du critique et mises à jour on-policy conservatrices. Ils ajoutent un "Geometric Fabric" dans l'espace articulaire, une couche qui médiatise entre la politique RL et le robot pour exploiter en sécurité toute l'amplitude cinématique sans mouvements incontrôlés. Pour l'industrie de la manipulation dextre, ADEPT illustre une alternative aux modèles vision-langage-action massifs type Pi-0 ou GR00T N2 : un RL pré-entraîné et réutilisable plutôt qu'une imitation pure à partir de démonstrations, avec un transfert validé directement sur du matériel multi-doigts réel. L'apprentissage de la dextérité fine avec des mains multi-doigts et une perception visuo-tactile brute reste l'un des verrous majeurs de la robotique d'apprentissage, en raison du coût et du risque d'endommager le matériel pendant l'entraînement en conditions réelles. Les approches précédentes entraînaient généralement une politique par tâche depuis zéro, un processus coûteux et peu réutilisable à grande échelle. ADEPT se positionne ainsi face aux efforts d'autres acteurs de la robotique humanoïde et de la manipulation, dont les systèmes associés à Figure 03, Optimus Gen 3 ou Helix, qui misent davantage sur de gros modèles entraînés sur des données de téléopération. Classé comme nouvelle publication sur arXiv, l'article ne mentionne aucun déploiement commercial ni partenariat industriel : il s'agit d'un résultat de recherche validé sur deux bancs robotiques de laboratoire, sans calendrier annoncé pour un produit ou un pilote client.

Recherche❖Paper

1 source

39

2749arXiv cs.RO 

Le fossé de l'incarnation dans les modèles fondation pour robots

Une étude publiée sur arXiv sous la référence 2608.18433v1, intitulée « The Embodiment Gap in Robot Foundation Models », dresse un état des lieux critique des modèles de fondation pour la robotique (RFM), dont les politiques vision-langage-action (VLA). Le papier part d'un constat simple : un modèle peut généraliser sur le papier tout en nécessitant un travail d'adaptation important avant de tourner sur un robot physique donné. Les auteurs baptisent cet écart le « embodiment gap », soit le fossé entre des modèles, représentations ou jeux de données réutilisables et leur mise en œuvre effective sur le robot cible. La contribution centrale est une cartographie à deux axes qui classe les méthodes existantes selon le type de structure partagée et le stade d'adaptation requis avant exécution. L'étude passe ensuite en revue trois axes de recherche qui se recoupent : le partage de sémantique et de perception, le partage de données et d'interfaces robotiques, et l'apprentissage de correspondances entre différents types de corps robotiques. Elle propose enfin un cadre de reporting destiné à documenter ce travail d'adaptation, jugé invisible si l'on ne regarde que le taux de réussite final. Pour les intégrateurs et décideurs B2B du secteur, ce travail vient nuancer le récit dominant selon lequel la simple mise à l'échelle (plus de données, plus de paramètres, plus de benchmarks) suffirait à résoudre le transfert d'un modèle d'un robot à un autre. En creux, l'étude interroge la promesse d'un VLA générique qui s'appliquerait tel quel à n'importe quelle plateforme, qu'il s'agisse d'un bras industriel, d'un robot mobile ou d'un humanoïde. Elle rappelle qu'un taux de réussite affiché sur une démonstration ne dit rien du travail d'ingénierie (recalibrage, réentraînement partiel, adaptation d'interface) nécessaire pour porter un modèle d'un embodiment à un autre. Pour une industrie où plusieurs politiques VLA sont présentées comme quasi prêtes à l'emploi, ce cadre offre une grille de lecture plus rigoureuse pour distinguer généralisation en laboratoire et déploiement réel sur une nouvelle chaîne robotique. Ce travail s'inscrit dans la vague de modèles de fondation robotiques apparue dans le sillage des grands modèles de langage, portée par des acteurs comme Physical Intelligence avec Pi-0, NVIDIA avec GR00T N2 ou Figure AI avec Helix, qui revendiquent tous une forme de généralisation entre tâches et parfois entre robots. En pointant l'absence de cadre commun pour mesurer ce qui reste réellement à faire lors d'un transfert d'embodiment, les auteurs comblent un vide méthodologique plutôt qu'ils ne proposent un nouveau modèle concurrent. La suite logique consisterait en une adoption de ce cadre de reporting par la communauté pour comparer les futures publications sur une base homogène, ainsi qu'en des études de cas documentant le coût d'adaptation d'un même modèle sur plusieurs corps robotiques distincts, question que les auteurs identifient explicitement comme ouverte pour de futurs travaux.

Recherche❖Paper

1 source

39

2750arXiv cs.RO 

LabDex : un référentiel hiérarchique pour la manipulation dextérique en laboratoire

LabDex, un jeu de données et benchmark a grande échelle pour la manipulation dextre en laboratoire de chimie, a été publie sur arXiv le 20 aout 2026 sous la référence 2608.18618v1. L'outil organise les taches de laboratoire selon une taxonomie hiérarchique en trois niveaux: les compétences atomiques, qui couvrent les gestes de manipulation fondamentaux; les taches compositionnelles, qui les combinent; et les protocoles expérimentaux a long horizon, qui enchainent plusieurs étapes dépendantes de l'état du système. Fait notable, LabDex réunit pour la première fois sous un cadre commun des plateformes réelles et simulées, avec des définitions de taches, des démonstrations et des protocoles d'évaluation standardises. Ses concepteurs ont teste plusieurs méthodes d'apprentissage robotique sur ces trois niveaux, en conditions réelles comme en simulation, pour valider la conception des taches et la qualité des démonstrations collectées. Ce travail comble un angle mort des benchmarks existants, qui ne combinaient jusqu'ici ni l'usage de mains dextres, ni des interactions réalistes avec du matériel de laboratoire, ni des procédures multi-étapes, ce qui limitait l'entrainement et l'évaluation systématiques des politiques robotiques dans ce domaine. Pour les laboratoires autonomes de chimie et de découverte de médicaments, cela offre un cadre de référence commun pour comparer des approches sur un protocole partage plutôt que sur des démonstrations isolées et difficiles a reproduire. En reliant compétences élémentaires et performance sur des taches complexes, LabDex permet aussi d'analyser ce qui, dans une politique de manipulation, se généralisé réellement d'une tache a l'autre, une question souvent laissée dans le flou par les démonstrations triées sur le volet des annonces commerciales de bras manipulateurs ou d'humanoïdes. Cette publication s'inscrit dans la dynamique des laboratoires autonomes, ou "self-driving labs", un axe de recherche visant a confier a des robots des protocoles expérimentaux répétitifs ou dangereux, aujourd'hui réalisés manuellement par des chimistes. Jusqu'ici, les benchmarks de manipulation dextre provenaient soit de la robotique domestique ou industrielle générale, soit de simulations pures, sans lien direct avec les contraintes concrètes d'un laboratoire de chimie. LabDex se positionne comme une brique de fondation pour la communauté de recherche en apprentissage robotique, avec l'ambition de servir de référence standardisée pour comparer de futures politiques, y compris des modèles généralistes de type vision-langage-action, sur des taches de complexité croissante.

Recherche❖Paper

1 source